Capacité technologique des pouvoirs publics et partenariats public-privé en matière de prestation de services numériques : observations dans des villes chinoises
Notice bibliographique
Résumé
Les pouvoirs publics ont renforcé leur collaboration avec le secteur privé en matière de prestation de services publics, et leur propension à le faire est largement déterminée par leurs propres capacités internes. Dans cet article, nous théorisons et analysons la question de savoir si les gouvernements ayant une capacité technologique extrêmement faible ou extrêmement élevée sont plus susceptibles de collaborer avec des plateformes tierces afin de fournir conjointement des services numériques. Nous nous attendons à ce qu’il y ait une relation en forme de U entre la capacité technologique de ces gouvernements et leurs choix de partenariats public-privé. Une analyse empirique de la prestation de services numériques dans 290 villes chinoises au niveau de la préfecture corrobore cette hypothèse. Ces résultats nous permettent de mieux comprendre les motivations contradictoires qui animent le processus de partenariat public-privé. Remarques à l’intention des praticiens La collaboration public-privé a été largement adoptée pour promouvoir la prestation de services numériques. Cet article confirme la relation en forme de U entre la capacité technologique du gouvernement et la collaboration public-privé dans la prestation de services numériques au niveau de la ville. Pour encourager la collaboration, il est essentiel de cibler des pouvoirs publics aux capacités variées, ce qui semble plus facile dans les grandes villes ayant un rang administratif élevé et qui sont globalement matures sur le plan technologique et dans un environnement compétitif sur le plan technologique.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».