The two orders of governance failure: Design mismatches and policy capacity issues in modern governance
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Perceptions of the pervasive and persistent failures of governments in many issue areas over the past several decades have led many commentators and policy makers to turn to non-governmental forms of governance in their efforts to address public problems. During the 1980s and 1990s, market-based governance techniques were the preferred alternate form to government hierarchy but this preference has tilted towards network governance in recent years. Support for these shifts from hierarchical to non-hierarchical governance modes centre on the argument that traditional government-based arrangements are unsuited for addressing contemporary problems, many of which have a cross-sectoral or multi-actor dimension which is difficult for hierarchies to handle. Many proponents claim that recent ‘network governance’ or ‘collaborative governance’ arrangements combine the best of both governmental and market-based alternatives by bringing together key public and private actors in a policy sector in a constructive and inexpensive way. This claim is no more than an article of faith, however, as there is little empirical evidence supporting it. Indeed both logic and evidence suggests that networks too suffer from failures, though the sources of these failure may be different from other modes. The challenge for policymakers is to understand the origin and nature of the ways in which different modes of governance fail so that appropriate policy responses may be devised. This article proposes a model of such failures and a two-order framework for understanding them which helps explain which mode is best, and worst, suited to which circumstance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle