Une analyse de données de panel concernant les impacts des différences institutionnelles sur les décisions budgétaires des gouvernements locaux
Notice bibliographique
Résumé
La présente étude fournit des preuves empiriques de la manière dont les différences institutionnelles influencent les décisions budgétaires scolaires, en utilisant des données recueillies au moyen d’un panel de 178 arrondissements scolaires primaires et secondaires du New Jersey entre 1996 et 2007. Les conclusions dégagées par le modèle de Newey-West, corrigeant l’hétéroscédasticité et la corrélation sérielle, étayent notre hypothèse selon laquelle les arrondissements dont les conseils scolaires sont élus (arrondissements de type II) sont plus susceptibles de s’avérer plus efficaces dans la réduction des dépenses scolaires que ceux dont les conseils scolaires sont désignés (arrondissements de type 1). En visualisant les systèmes scolaires à la lumière de la nouvelle économie institutionnelle, la présente étude postule que les différences institutionnelles en matière de gouvernance sont cruciales pour entraîner des différences au niveau des décisions budgétaires en affectant les structures d’incitation auxquelles les agents de l’État sont confrontés, ainsi que les coûts de transaction et d’agence. Remarques à l’intention des praticiens À ce jour, la question de l’impact des différences institutionnelles sur les décisions budgétaires locales a constitué un élément de débat permanent parmi de nombreux chercheurs et praticiens dans le domaine de l’administration publique. La présente étude implique qu’en tant que structure d’incitation efficace et mécanisme de contrainte, les institutions électorales directes dans les arrondissements scolaires peuvent constituer un outil utile pour contrôler la hausse des dépenses liées à l’éducation en imposant une imputabilité sans équivoque aux conseils scolaires pour la prise de décisions budgétaires. Les décideurs devraient réfléchir à des stratégies réalistes accompagnées de changements institutionnels dans une situation où les gouvernements locaux sont confrontés au défi de gérer leur budget avec efficacité tout en subissant des pressions fiscales.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».