Leveraging User-Centred Design Methods in Canadian Public Service Innovation Labs
Notice bibliographique
Résumé
Innovation labs have emerged as a promising means to improve the capacity of public sector organisations to address complex challenges through creativity, experimentation, and multi-disciplinary collaboration. Yet, many Canadian public service innovation labs struggle to sustain momentum, generate measurable outcomes, or scale successful innovations. This thesis investigates the role of User-Centred Design (UCD) methodologies in enhancing the effectiveness of public sector innovation labs. Drawing on design science research methodology and case studies including federal, provincial, and international examples, this research proposes a framework to support innovation lab practice. The framework includes three interrelated artefacts: a typology to classify innovation labs based on their funding, focus, approach to collaboration, and governance mandate; a structured process model for lab setup, system definition, co-design and scaling of innovations; and a playbook to guide individual innovation projects to ensure consistent results, capacity building, and knowledge transfer. These artefacts were iteratively developed and refined through five design iterations and validated through stakeholder engagement and an expert panel review. Findings indicate that a systematic approach to incorporating UCD methods such as co-design, rapid prototyping, and iterative evaluation improve problem definition, team cohesion, and the likelihood of generating scalable public sector innovations. However, the research also reveals that organisational maturity, leadership support, and cross-sector collaboration are critical enablers of success. By aligning innovation lab practices with the principles of UCD and adapting them to the operational realities of the public sector, this thesis offers a blueprint for transforming public service innovation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».