Applying the Experience Effectiveness (XE) Framework in the Canadian Public Sector
Notice bibliographique
Résumé
Why is it so hard to interact with government services? The public sector has become citizen centered in designing and collaborating with the community to improve service. Even though governments invest in efforts to ensure public administration is aligned with the needs of the community, services still fail to meet the standards provided by equivalent private‐sector organizations. Citizen experiences fall short of expectations due to inadequate performance evaluation for the delivery of integrated and well‐designed services. Public‐sector performance measures must assess and include the impact that services have on citizens. This article describes the extension and further development of the Experience Effectiveness ( XE ) Measurement Framework. If properly utilized, public‐sector organizations can implement the framework to evaluate the effectiveness of citizen experiences based on human‐centered, universal, and systems‐thinking heuristics. Through a multiphase mixed‐method design, we test the XE Framework and its operational development with two projects in the Innovation Lab for the Canadian Department of Innovation, Science and Economic Development. The case studies demonstrate that the XE Framework clearly differentiates the quality of the experience and identifies areas for improvement. Results also indicate that the bureaucracy distorted the creation and delivery of the service citizens received. Organizational culture, climate, structures, and values significantly shape the outcome and provision of government services, which raises further questions about design and innovation in public administration and the role of accountability.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».