L'éternel compromis entre l'équité et la performance en administration publique appliqué au monde municipal
Bibliographic record
Abstract
Résumé Cet article traite de l’éternel dilemme entre l’équité et la performance dans le secteur public. Un processus d’allocation des ressources équitable tend à partager le bien-être de la collectivité le plus justement possible. Par ailleurs, la performance comprend deux dimensions : l’efficacité et la productivité. Un processus est efficace s’il fait ce qu’il doit faire, alors qu’un processus productif permet de satisfaire le maximum de besoins avec le minimum de ressources. Si l’économie privée favorise la performance, l’économie étatique se développe dans un contexte de monopole et l’objectif poursuivi est l’équité. Dans le secteur municipal, deux écoles de pensée reflètent ce dilemme : l’école de la consolidation, favorable aux fusions, vise l’équité et rejette toute forme de concurrence intermunicipale; l’école de la fragmentation, représentée par les partisans des défusions ou par ceux qui veulent redonner du pouvoir aux arrondissements, recherche la performance en favorisant une certaine compétition entre les municipalités. Les citoyens désirent des collectivités où règnent à la fois l’équité et la performance. C’est ce que la proposition du mandataire gouvernemental pour l’île de Montréal en 2000 permettrait d’obtenir en se basant sur une vision polycentrique des territoires où ont eu lieu les fusions.
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 | 0.008 | 0.029 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.007 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.012 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.023 | 0.002 |
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".