MétaCan
Menu
Retour à la cohorte
Enregistrement W2899234223 · doi:10.32994/ac.v19i1.208

Indicators for Public Sector Innovations: Theoretical Frameworks and Practical Applications

2018· article· en· W2899234223 sur OpenAlexaff
Rainer Kattel, Aleksandrs Cepilovs, Veiko Lember, Piret Tõnurist

Notice bibliographique

RevueHalduskultuur · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePublic Policy and Administration Research
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésPublic sectorBenchmarkingPrivate sectorGeneral partnershipLegitimacyBusinessDeskNew public managementPublic relationsKnowledge managementProcess managementMarketingEconomicsPolitical scienceComputer scienceEconomic growthFinance

Résumé

récupéré en direct d'OpenAlex

The paper maps and analyzes all existing practical exercises aiming to develop indicators for public sector innovations. To our knowledge this is the first attempt to comprehensively gather information about various international efforts. We only considered such exercises where actual indicators were developed and used at least once. We map five such exercises through extensive desk research and 13 interviews with surveyed project members. The paper shows that all existing attempts to measure public sector innovations operate within a rather limited conception of the public sector (efficiency), neglecting other possible logics (e.g. legitimacy); the existing exercises also neglect large areas of public sector activities, e.g. cooperation with business and third sectors (such as service co-creation, public-private partnership practices). This narrow focus often dictates that indicators and their technical assumptions are copied from the private sector; none of the five analyzed exercises utilized public administration experience and research (e.g. on performance measurement). The paper argues that instead of trying to come up with quantified indicators, public sector innovations should be assessed in complex evaluation frameworks.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,941
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,087
Tête enseignante GPT0,455
Écart entre enseignants0,368 · 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
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

Citations15
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHalduskultuurMême sujetPublic Policy and Administration ResearchTravaux en français237 207