MétaCan
Menu
Retour à la cohorte
Enregistrement W4396921397 · doi:10.1080/10841806.2024.2331961

The emergence of externally active representative bureaucracy, a narrative review

2024· review· en· W4396921397 sur OpenAlexaff
Sébastien Keiff

Notice bibliographique

RevueAdministrative Theory & Praxis · 2024
Typereview
Langueen
DomaineSocial Sciences
ThématiqueEuropean Union Policy and Governance
Établissements canadiensÉcole Nationale d'Administration Publique
Organismes subventionnairesnon disponible
Mots-clésBureaucracyNarrativePolitical scienceSociologyPublic administrationLiteratureArtLawPolitics

Résumé

récupéré en direct d'OpenAlex

This article analyzes the evolution of governance models within public administrations as they respond to complex socio-political challenges.It emphasizes the need to enhance the legitimacy and representativeness of decision-making processes in the face of persistent issues, social fragmentation, increasing inequalities, and political polarization.The study discusses two primary models: citizen participation, which promotes a more engaged form of democracy, and representative bureaucracy, which seeks to ensure that public administration reflects socio-demographic diversity.However, these frameworks have flaws, particularly in achieving representativeness and maintaining administrative efficiency.To address these issues, the concept of "Externally Active Representative Bureaucracy" (EARB) is proposed, which involves incorporating citizens directly into administrative structures to address specific challenges while improving the legitimacy and representativeness of decisions.The article reviews 155 academic articles to explore the various dimensions and effects of representative bureaucracy and citizen participation.The objective is to illustrate that EARB provides an innovative approach to public administration that bridges bureaucratic efficiency with citizen inclusion, inviting further research into this hybrid model to enhance our understanding of the operation of modern public administrations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,904
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,003
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,104
Tête enseignante GPT0,487
Écart entre enseignants0,383 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdministrative Theory & PraxisMême sujetEuropean Union Policy and GovernanceTravaux en français237 207