Mapping institutional changes in higher education: the comparative analysis of the effects of democratic backsliding
Notice bibliographique
Résumé
The world has witnessed democratic decline in 23 countries worldwide during the last decade (Freedom House, 2019) in the context of rising nationalism and right-wing populism (Fraser, 2017; Robertson, 2018, 2020). The political importance of this topic is rooted in the fact that higher education is one of the most crucial public goods (Marginson, 2007, 2017) and governments tend to exercise tighter control over HEIs while democratic conditions worsening (Perry, 2015). Although many studies have examined the effects of the transition to democracy on higher education globally (O’Donnell et al., 2013; O’Donnell et al., 1986, Salto, 2020), very few have studied the reverse trend – democratic backsliding. Given that university autonomy is a wider term that encompasses the practises undertaken by universities to operate, researching its aspects, and assessing the true implications of democratic backsliding on universities represents an important field for current and future research. My research investigates the impact of democratic backsliding on the university autonomy, by examining the cases of Turkey, Hungary, and Poland. These countries were considered democracies until the 2010s, but they are increasingly moving away from democracy (Freedom House, 2020). The study draws on an extensive analysis of publicly accessible government laws and regulations, university decrees, mission statements, political pamphlets, online media sources and interviews, and grey literature to analyze institutional responses as well as field work and interviews. I employ neoliberal authoritarianism and historical institutionalism as a framework to investigate the critical junctures and institutional changes affecting appointive (hiring, promotion, and dismissal of staff), financial (funding levels and criteria, preparation and allocation of the university budget, and accountability), and academic (access, curriculum, degree requirements, and academic freedom) autonomy (Ordorika, 2003).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,007 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».