What Is Public Agency Strategic Analysis (PASA) and How Does It Differ from Public Policy Analysis and Firm Strategy Analysis?
Notice bibliographique
Résumé
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 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 | 0,066 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,014 | 0,018 |
| Études des sciences et des technologies | 0,008 | 0,051 |
| Communication savante | 0,041 | 0,071 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,010 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».