Equilibrium in the governance of cross-sectoral policies: how does it translate into practice?
Notice bibliographique
Résumé
BACKGROUND: There is growing interest from health researchers in the governance of Health in All Policies (HiAP). Furthermore, the COVID-19 pandemic has re-ignited managers' interest in HiAP governance and in health prevention activities that involve actors from outside health ministries. Since the dynamics of these multi-actor, multi-sectoral policies are complex, the use of systems theory is a promising avenue toward understanding and improving HiAP governance. We focus on the concept of equilibrium within systems theory, especially as it points to the need to strike a balance between actors that goes beyond synergies or mimicry-a balance that is essential to HiAP governance. METHOD: We mobilized two sources of data to understand how the concept of equilibrium applies to HiAP governance. First, we reviewed the literature on existing frameworks for collaborative governance, both in general and for HiAP specifically, in order to extract equilibrium-related elements. Second, we conducted an in-depth case study over three years of an HiAP implemented in Quebec, Canada. RESULTS: In total, we identified 12 equilibrium-related elements relevant to HiAP governance and related to knowledge, actors, learning, mindsets, sustainability, principles, coordination, funding and roles. The equilibria were both operational and conceptual in nature. CONCLUSIONS: We conclude that policy makers and policy implementers could benefit from mobilizing these 12 equilibrium-related elements to enhance HiAP governance. Evaluators of HiAP may also want to consider and integrate them into their governance assessments.
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 | 0,031 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».