MétaCan
Menu
Retour à la cohorte
Enregistrement W2560238022 · doi:10.3390/admsci6040019

What Is Public Agency Strategic Analysis (PASA) and How Does It Differ from Public Policy Analysis and Firm Strategy Analysis?

2016· article· en· W2560238022 sur OpenAlexafffund
Aidan R. Vining

Notice bibliographique

RevueAdministrative Sciences · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePublic Policy and Administration Research
Établissements canadiensSimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésAgency (philosophy)BusinessLegitimacyValue (mathematics)Public sectorPublic relationsEconomicsPoliticsPolitical scienceSociologyComputer science

Résumé

récupéré en direct d'OpenAlex

Public agency strategic analysis (PASA) is different from public policy analysis because public agency executives face numerous constraints that those performing “unconstrained” policy analysis do not. It is also different from private sector strategic analysis. But because of similar constraints and realities, some generic and private sector strategic analysis techniques can be useful to those carrying out PASA, if appropriately modified. Analysis of the external agency environment (external forces) and internal value creation processes (“value chains”, “modular assembly” processes or “multi-sided intermediation platforms”) are the most important components of PASA. Also, agency executives must focus on feasible alternatives. In sum, PASA must be practical. But public executives need to take seriously public value, and specifically social efficiency, when engaging in PASA. Unless they do so, their strategic analyses will not have normative legitimacy because enhancing public value is not the same as in some versions of public value or in agency “profit maximization”. Although similarly constrained, normatively appropriate public agency strategic analysis is not “giving clients what they want” or “making the public sector business case”. PASA must be both practical and principled.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,252
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,020
Études des sciences et des technologies0,0020,006
Communication savante0,0080,005
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,172
Tête enseignante GPT0,434
Écart entre enseignants0,263 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations7
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdministrative SciencesMême sujetPublic Policy and Administration ResearchTravaux en français237 207