Analyse critique de la littérature scientifique portant sur l’innovation dans le secteur public : bilan et perspectives de recherche prometteuses
Bibliographic record
Abstract
Cet article se propose de synthétiser l’état des connaissances sur l’innovation dans le secteur public en se centrant sur trois questions de recherche : la diffusion et l’adoption des innovations, leur génération et leur implantation. Les études ayant choisi une approche dite de variance se sont essentiellement intéressées à la question de l’adoption des innovations. Ce courant de recherche cherche à mettre en évidence les facteurs influençant l’adoption des innovations. Les enseignements tirés de ces travaux sont souvent contradictoires en raison des liens complexes entre variables. Les études ayant choisi une approche processuelle offrent une interprétation plus riche des processus d’innovation en étudiant les interactions dynamiques entre l’innovation et le contexte. Cela dit, selon les visions théoriques mobilisées, les travaux existants ont surtout insisté sur les enjeux de nature politique; peu de travaux ont porté sur les enjeux d’apprentissage, d’où l’intérêt de développer un agenda de recherche sur ces enjeux, en s’intéressant également aux enjeux d’ancrage des innovations. Enfin, il s’agirait aussi de s’attarder sur les innovations complexes qui impliquent plusieurs organisations interdépendantes.
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 | 0.069 | 0.130 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.016 | 0.016 |
| Science and technology studies | 0.006 | 0.014 |
| Scholarly communication | 0.025 | 0.020 |
| Open science | 0.003 | 0.006 |
| Research integrity | 0.008 | 0.009 |
| Insufficient payload (model declined to judge) | 0.015 | 0.004 |
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".