MétaCan
Menu
Retour à la cohorte
Enregistrement W4403717018 · doi:10.1080/10967494.2024.2406430

Balancing speed and coordination: Senior leaders’ perspectives on civil service transformation during and after the pandemic

2024· article· en· W4403717018 sur OpenAlexaff
Aisha Jore Ali, Luis Álvaro Álvarez Calderón, Pedro Arcain Riccetto, Paola del Carpio, Elise El Nouchi, Javier Fuenzalida, Margarita Victoria Gómez, Aung Hein, Oswaldo Molina, Martin Williams

Notice bibliographique

RevueInternational Public Management Journal · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensNetwork for Business Sustainability
Organismes subventionnairesnon disponible
Mots-clésPandemicCivil serviceService (business)Public relationsPolitical scienceManagementCoronavirus disease 2019 (COVID-19)Public administrationSociologyBusinessPublic serviceMarketingMedicineEconomics

Résumé

récupéré en direct d'OpenAlex

How do governments’ responses to crises change their civil services and shape their future reform agendas? We address this question by conducting interviews with sources that are hard to access but uniquely placed to answer these questions: heads of civil service and similarly senior officials from 14 countries across six continents, speaking during the waning phase of the Covid-19 pandemic. Senior leaders perceived the central challenge of managing the crisis phase of the pandemic as balancing two competing imperatives: greater speed, flexibility, and decentralization of decision making, but also greater coordination and collaboration across teams and sectors. This required bureaucracies to question their largely hierarchical coordination methods and to transition toward network-based coordination mechanisms, agile methods, and new leadership styles. Senior leaders perceived these changes largely as accelerations of existing reform directions rather than ruptures, and were trying a range of methods to sustain and institutionalize these crisis-induced changes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,027
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0150,011
Communication savante0,0100,007
Science ouverte0,0010,007
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,018
Tête enseignante GPT0,287
Écart entre enseignants0,269 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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 revueInternational Public Management JournalMême sujetDisaster Management and ResilienceTravaux en français237 207