L’importance grandissante des évaluations au sein des parlements : Les gouvernements tenus de rendre des comptes ?
Bibliographic record
Abstract
Rares sont ceux qui, à ce jour, se sont intéressés au rôle des évaluations au sein des parlements, ce qui est surprenant étant donné que les députés sont parties prenantes par excellence, que les évaluations pourraient intéresser. Mais est-ce effectivement le cas ? C’est sur la base d’une analyse systématique des questions écrites et des interpellations en Allemagne et en Flandre que nous allons nous pencher sur l’intérêt des députés pour les évaluations. Nous analyserons les aspects suivants, d’un point de vue comparatif : le contenu des questions sur les évaluations, le profil politique des députés qui posent les questions, la part de questions sur les évaluations et la répartition des questions entre les partis politiques, les domaines stratégiques et au fil du temps. Remarques à l’intention des praticiens Le rôle et l’utilisation des évaluations dans le processus démocratique sont des choses à améliorer. D’une part, les députés au Parlement souhaitent parfois être mieux informés sur les méthodes d’évaluation, ainsi que sur les possibilités d’utiliser les résultats d’évaluation à des fins d’imputabilité et d’apprentissage. D’autre part, ce sont parfois les évaluateurs qui s’efforcent de renforcer la demande d’évaluations dans le processus d’élaboration des politiques, et pas seulement l’administration publique.
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 | 0.041 | 0.127 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.011 |
| Scholarly communication | 0.018 | 0.018 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.011 | 0.003 |
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".