MétaCan
Menu
Retour à la cohorte
Enregistrement W3108403611 · doi:10.1017/s0022278x20000270

People who run African affairs: staffing and recruitment in the African Union Commission

2020· article· en· W3108403611 sur OpenAlexaff
Thomas Kwasi Tieku, Stefan Gänzle, Jarle Trondal

Notice bibliographique

RevueThe Journal of Modern African Studies · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Development and Aid
Établissements canadiensThe King's UniversityWestern University
Organismes subventionnairesnon disponible
Mots-clésStaffingPublic administrationPolitical scienceCommissionPoliticsScholarshipCivil servantsAdministration (probate law)

Résumé

récupéré en direct d'OpenAlex

Abstract This study contributes to the field of International Public Administration (IPA) and the emerging area of Informal International Relations (IIR) by examining the politics of staffing and recruitment of the African Union Commission (AUC). Although the AUC has become a major political player in international affairs, there is a dearth of knowledge about the civil servants who work for the AUC and who run this paramount pan-African executive body. To address the void, this paper draws on a survey of 137 AUC staff, archival studies and interviews to explore recruitment of AUC staff. Combining organisational theory and informality as analytical lenses, the study demonstrates that, first, many informal international practices (IIPs) are embedded in AUC recruitment processes. Second, the AUC is composed largely of short-term, contracted staff. Finally, it shows that the AUC is dependent on lower-ranked personnel or that it is bottom-heavy. Many of these lower-ranked officials are intimately involved in the making of AUC policies and decisions, putting into question the assumption in existing scholarship that decision-makers of IOs are primarily reliant on top-ranked A-level officials (senior management).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,043
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,043
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0110,005
Communication savante0,0050,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,117
Tête enseignante GPT0,343
Écart entre enseignants0,226 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations26
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Modern African StudiesMême sujetInternational Development and AidTravaux en français237 207