MétaCan
Menu
Retour à la cohorte
Enregistrement W2505634363 · doi:10.1016/s0723-1318(04)13017-x

17. MEASURING AND MANAGING FOR PERFORMANCE: LESSONS FROM AUSTRALIA

2004· book-chapter· en· W2505634363 sur OpenAlexaboutno aff
Bill Ryan

Notice bibliographique

RevueResearch in public policy analysis and management · 2004
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiquePublic Policy and Administration Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTreasuryCommonwealthPublic administrationGovernment (linguistics)Political scienceCommissionAdministration (probate law)Law

Résumé

récupéré en direct d'OpenAlex

Many Australasian-Anglo-American jurisdictions including Queensland, other Australian states, the Australian Commonwealth, central government in Britain, the U.S., Canada and New Zealand (Department of Finance and Administration, 2000; NZ Treasury/State Services Commission, 2002; Queensland Treasury, 1997; Treasury Board of Canada, 2000), are presently debating over “managing for outcomes.” Throughout this chapter, the acronym MFO is used to stand for this whole movement even though it implies greater coherence than exists. There is a definite movement in this direction in Australasian public services with the emergence of widespread rethinking about its purposes and characteristics. It is driven in some jurisdictions by ministers wanting to know about actual policy outcomes and less about the shiny-chrome management systems behind them and, in other jurisdictions, by senior managers in central agencies and some line agencies who are rediscovering the real purposes constituting public management. There is also some back-pedaling in relation to some aspects of the economic reform agenda that was applied too hard during the late 1980s and 1990s in this part of the world. There are also some that claim that MFO is a logical extension of the first stage of reform undertaken during the 1980s and 1990s – one in which outputs rather than outcomes was the primary focus.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,727
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,362
Tête enseignante GPT0,492
Écart entre enseignants0,130 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in public policy analysis and managementMême sujetPublic Policy and Administration ResearchTravaux en français237 207