Reputation management for regulatory agencies focused on government relations
Notice bibliographique
Résumé
Reputation management is not straightforward and is an ongoing and active process. This paper considers the unique challenges to reputation management for regulatory agencies by considering five problems: politics, consistency, charisma, uniqueness, and excellence. This research advances the existing literature to consider how a regulatory agency can mitigate these problems in order to develop reputation management strategies with government decision-makers. Carpenter’s regulatory agency reputation management theory, the foundation of this research, emphasizes the fundamental importance of the legitimacy for regulators and categorizes regulatory reputation into four dimensions: performative, moral, technical, and legal procedural. Through a constructivist/interpretive paradigm viewpoint, data was gathered through six semi-structured interviews with current and former non-elected government Alberta Department of Energy civil servants. The Alberta Utilities Commission is referenced throughout the paper as an example that illustrates the unique challenges and how Carpenter’s theory can provide a strategic lens for regulators engaged in reputation management focused on government relations. The findings reveal that there is a fundamental importance that a regulator maintain legitimacy through a clear vision of its raison d’être. In addition, communication should be regular, proactive, transparent, and constructive to build relationships with people in all levels of government including elected officials that emphasizes how the agency is achieving policy outcomes. The results of this study contribute to the small body of literature that considers how regulatory agencies seek to establish a public image and communicate that image to influence government decision-makers without negatively affecting the independent and adjudicative function of quasi-judicial regulators.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».