Effets du pays, du secteur et de la méthode dans l’étude de la remunicipalisation : une méta-analyse
Notice bibliographique
Résumé
Une littérature de plus en plus abondante révèle la remunicipalisation croissante des services publics locaux. Pourtant, alors même que cette littérature est en train de s’étoffer, de nombreux débats subsistent sur les causes de la remunicipalisation. Le présent article rapporte les résultats d’une méta-analyse de la littérature sur la remunicipalisation, en se concentrant sur la question suivante : comment les effets du pays, du secteur et de la méthode affectent-ils les résultats des études sur la remunicipalisation ? J’inclus des articles sur la remunicipalisation sous différents termes (« remunicipalisation », « privatisation inversée », « internalisation » et « externalisation ») recourant à un large éventail de méthodes (études de cas, enquêtes et analyse de documents) et couvrant une vaste période (1995-2019). J’identifie 30 causes de remunicipalisation qui sont envisagées et rencontrées dans la littérature. Les facteurs politiques et pragmatiques semblent être les plus fréquemment envisagés et rencontrés comme causes de remunicipalisation dans la littérature ; les facteurs environnementaux sont moins souvent envisagés mais semblent très pertinents. Par ailleurs, je découvre d’importantes différences entre les littératures qualitative et quantitative. Je propose un programme de recherche visant à permettre une synthèse future plus développée dans la littérature sur la remunicipalisation. Remarques à l’intention des praticiens La littérature sur la remunicipalisation est très fragmentée et la remunicipalisation peut avoir de nombreuses causes. La remunicipalisation semble être une tendance à la fois politique et pragmatique, mais la littérature est encore trop fragmentée pour que l’on puisse en être sûr. Soyez conscient des biais et des limites potentiels de la recherche actuelle sur (les causes de) la remunicipalisation.
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 | 0,016 | 0,013 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,000 | 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 ».