MétaCan
Menu
Retour à la cohorte
Enregistrement W3113703615 · doi:10.1093/jopart/muaa060

Deliberation and Deliberative Organizational Routines in Frontline Decision-Making

2020· article· en· W3113703615 sur OpenAlexfundno aff

Notice bibliographique

RevueJournal of Public Administration Research and Theory · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensnon disponible
Organismes subventionnairesUniversità degli Studi di FirenzeQueen's UniversityAarhus Universitet
Mots-clésDeliberationManagement scienceKnowledge managementPublic relationsPolitical scienceComputer scienceEngineeringLawPolitics

Résumé

récupéré en direct d'OpenAlex

Abstract Deliberation is a widely recognized but understudied aspect of frontline decision-making. This study contributes to theory development by exploring deliberative practices in frontline organizations and their implications for decision-making. Drawing on a multi-sited ethnographic study in three Danish child welfare agencies, the analysis clarifies the multiple purposes of deliberation in everyday practice and shows how deliberation is enabled and structured by formalized and informal deliberative organizational routines. Findings show that deliberation may influence individual decision-making or amount to collective decision-making. Depending on how deliberative organizational routines are enacted, deliberation may serve to enhance professional judgment, ensure appropriate justification for decisions, and alleviate uncertainty and emotional strain. Yet, while deliberation represents a productive form of collective coping, deliberative routines may also obscure transparency and reify dysfunctional group dynamics. A conceptual framework is developed to support further research into the purposes, practices, and implications of deliberation across diverse street-level contexts.

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)0,016
score de la tête « metaresearch » (Gemma)0,044
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 enseignants0,016
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,044
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,013
Communication savante0,0080,005
Science ouverte0,0010,006
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,066
Tête enseignante GPT0,339
Écart entre enseignants0,273 · 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

Citations61
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Public Administration Research and TheoryMême sujetInnovation and Knowledge ManagementTravaux en français237 207