Understanding street-level managers’ compliance: a comparative study of policy implementation in Switzerland, Italy, Germany, and Israel
Notice bibliographique
Résumé
This study focuses on street-level managers’ (SLMs) compliance with COVID-19 measures in Switzerland, Germany, Italy, and Israel, in order to better understand their role during policy implementation. Responsible for the direct delivery of public services, street-level organizations serve as the operational arm of the state in general and as the frontline of government policy in times of crisis. SLMs who occupy the top managerial tier within their organization are understudied, although they exert a significant influence on everyday public life. The data comprise 399 “compliance stories” based on interviews with managers in nurseries, schools, health care and welfare offices, police stations, and care homes. Using “codebook thematic analysis,” we identify various levels of (non)compliance and several prominent explanatory factors that shape (non)compliance. Data show that even when asked about particularly challenging measures, managers reported that their organization had been noncompliant (either full or partial) in only about a quarter of the stories. Three influences emerge as primary barriers to compliance—a lack of resources, managers’ relationships with clients, and the perception of the measure’s effectiveness. Emphasizing that SLMs often act as local policy entrepreneurs using their discretion to solve problems and serve the public, our findings further demonstrate the crucial role they play in shaping the face of the government for the people.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».