E-participation citoyenne et valeur publique dans les municipalités tunisiennes. Étude exploratoire 2011-2021
Notice bibliographique
Résumé
Depuis les travaux de Moore dans les années 1990, la génération de la valeur publique à partir des initiatives d’institutions gouvernementales (spécifiquement celles basées sur la technologie digitale) est devenue une préoccupation académique et pratique. Cet article aborde cette question en explorant particulièrement les retombées d’initiatives de e-participation citoyenne sur la valeur publique dans les municipalités tunisiennes. D’abord et à partir d’un examen des débats, ambiguïtés et controverses autour du thème à l’étude, nous mobilisons un cadre théorique, en l’occurrence celui d’Harrison, pour repérer les types de valeur publique créés dans des institutions gouvernementales et les mécanismes de leur génération. Puis, nous justifions le choix d’une approche exploratoire qualitative d’étude de cas multiples dans le contexte des municipalités tunisiennes. Enfin, la sélection de répondants aux angles de vue divers (chargés de la e-participation citoyenne dans les municipalités et représentants d’associations œuvrant dans le domaine de la gouvernance locale) nous permet de valider les résultats suivants : (1) la e-participation citoyenne amplifie et crée quatre mécanismes générateurs de la valeur publique (efficacité, efficience, amélioration intrinsèque et interactivité/réactivité) ; (2) avec la technologie digitale exploitée actuellement, la e-participation citoyenne génère essentiellement une valeur publique de type économique et (3) pour pouvoir générer d’autres types de valeur publique (politique, sociale, …), il est nécessaire de développer des plateformes numériques gouvernementales qui autorisent la co-création et non simplement l’interaction, d’une part, et d’avoir la prédisposition et l’engagement du personnel de première ligne, d’autre part.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; 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 ».