Bibliographic record
Abstract
Il existe, en Belgique, non pas une, mais différentes catégories de hauts fonctionnaires, ceux que l’on appelle parfois les « grands commis de l’État ». Selon la catégorie concernée, les règles de recrutement de ces hauts fonctionnaires varient du tout au tout. En substance, trois types de procédures de recrutement peuvent être identifiés. Selon le degré de précision qu’elles consacrent, il y a les procédures transparentes, les procédures translucides et les procédures opaques. L’examen de ces procédures aboutit à un constat important : le degré de précision consacré par les textes ne constitue pas le gage absolu de la transparence à laquelle il s’impose de tendre pour opérer le recrutement de celles et ceux qui sont appelés à diriger l’Administration. Pour autant, des garanties sont consacrées dans chacune des procédures instituées. Au-delà de ce constat, le recrutement des hauts fonctionnaires est politisé, ce qui, de toute évidence, n’est pas idéal. La règle de droit peut certes contribuer à combattre cette dérive. Mais l’éthique de celles et de ceux qui sont appelés à prendre part à la procédure de recrutement s’avère tout aussi indispensable.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.040 | 0.007 |
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".