La convergence sans diffusion ? Analyse comparative du choix des indicateurs de performance dans l'administration fiscale et la sécurité sociale
Bibliographic record
Abstract
Résumé Dans cet article, nous comparons, sur un plan transnational, le choix des indicateurs de performance dans deux secteurs fondamentaux de l’activité de l’État, à savoir l’administration fiscale et la sécurité sociale. Nous avons examiné le choix des indicateurs de performance dans six pays (Australie, Canada, Pays-Bas, Suède, RU et États-Unis) pour analyser les principaux facteurs qui motivent le choix d’indicateurs donnés dans le contexte des traditions administratives nationales et des programmes de réforme plus récents, d’une part, et des évolutions vers les échanges et les « analyses comparatives » internationaux, d’autre part. Nous étudions l’importance et l’interaction relatives des différents facteurs à l’origine des choix ainsi que leur influence sur le développement et l’application des indicateurs de performance. À cette fin, nous avons associé les approches institutionnalistes à la littérature sur les mécanismes et les effets des échanges internationaux et de la diffusion des politiques. Notre analyse indique que les grandes similarités qui existent sont liées à des similarités dans les activités et les valeurs fondamentales à la base des réformes contemporaines du service public. Les variations dans le choix des indicateurs de performance (IP) sont l’expression de facteurs locaux, comme les modalités de gouvernance, qui déterminent les grandes tendances de réforme. Ces modalités influencent aussi les éventuels apprentissages internationaux. Résumé à l’intention des praticiens Le présent article vise à contribuer au débat sur les moyens pour les organisations de tirer des enseignements de l’expérience des autres dans la définition des indicateurs de performance et des systèmes de gestion. Les possibilités d’apprentissage transnational et transversal sont particulièrement nombreuses dans les catégories où une organisation donnée n’a pas encore mis au point d’indicateurs de performance mais où d’autres l’ont déjà fait. Cependant, toute lecture croisée à partir des choix réalisés par d’autres pays doit tenir compte du fait que la définition et l’usage d’indicateurs de performance sont, dans une large mesure, déterminés par des traditions institutionnelles et des modalités de gouvernance nationales, ainsi que par des approches nationales plus larges en matière de gestion de la performance. Dans la mise au point d’indicateurs de performance, il convient de tenir notamment compte des rapports de responsabilité dans le cadre desquels les agences sont organisées.
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 | 0.010 | 0.026 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".