MétaCan
Menu
Retour à la cohorte
Enregistrement W2508890077 · doi:10.5539/ass.v12n9p236

Pilkada 2015 and Patronage Practice among Bureaucrat in West Kalimantan, Indonesia

2016· article· en· W2508890077 sur OpenAlexvenueno aff
Ngusmanto Ngusmanto

Notice bibliographique

RevueAsian Social Science · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndonesian Election Politics and Participation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBureaucracyPoliticsPolitical sciencePublic administrationRevenuePosition (finance)SociologyLawEconomics

Résumé

récupéré en direct d'OpenAlex

Majority studies on electoral dynamics in Indonesia are reinforce patronage as a pattern of relationships between candidates, winning team, and voters. One of winning team element which have little attention from scholars is bureaucrat. Although, normatively, bureaucrats are required to neutral in all type of general election, but in fact bureaucrats is very involved deeply in general elections. Based on empirical research in Sintang District and Ketapang District, West Kalimantan, Indonesia, we found that bureaucrats have a significant role as a winning team in pilkada (direct election for local leader). Patronage is a keyword to explain political relation between bureaucrats and candidate in pilkada. This situation was triggered by the fact that there are many candidates who have social background as civil servant and, consequently, have direct access to bureaucracy. Bureaucrats have high motivation to participate in pilkada as a broker due to protecting their vested interest. In our cases, the vested interest of bureaucrat is career stability which is promising additional personal revenue and social status. Consequently, staffing (circulation of position) within bureaucracy does not followed by auction mechanism (merit system), but following nepotism mechanism (spoil system). The winner of pilkada is socially pressured to accommodate all bureaucrats who has become their winning team. Finally, we discuss our finding and propose future agenda research to understanding this phenomenon.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,020
Tête enseignante GPT0,342
Écart entre enseignants0,322 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetIndonesian Election Politics and ParticipationTravaux en français237 207