Lorsque les administrations publiques font la sourde oreille aux rappels à l'ordre du vérificateur général et que nul ne s'en préoccupe...
Bibliographic record
Abstract
Résumé Les vérificateurs généraux sont régulièrement appelés à se prononcer sur la gestion des organisations gouvernementales en raison de leur mission de vérification de l’optimisation des ressources. Le but des vérificateurs généraux est de contribuer à l’amélioration de la gestion des affaires publiques en formulant des recommandations aux gestionnaires des organisations vérifiées. Ils ne peuvent obliger les organisations à mettre en œuvre leurs recommandations; seuls les parlementaires ont ce pouvoir. L’appui des parlementaires, et finalement celui du grand public, est essentiel pour que les vérificateurs généraux puissent exercer une influence sur la gestion des organisations vérifiées. Avec les années, les vérificateurs généraux sont devenus une sorte de défenseurs des intérêts des contribuables. Sont-ils vraiment écoutés par les administrations publiques? La lenteur avec laquelle les organisations vérifiées donnent suite aux recommandations des vérificateurs généraux et les scandales récents survenus dans l’administration publique tant fédérale que québécoise laissent penser que les administrations publiques font souvent la sourde oreille aux rappels à l’ordre des vérificateurs généraux.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.030 | 0.062 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.011 | 0.010 |
| Scholarly communication | 0.019 | 0.009 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.007 | 0.008 |
| Insufficient payload (model declined to judge) | 0.053 | 0.016 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".