Stratégies des réformes administratives et impacts sur la gestion des ressources humaines. Une comparaison Suisse-Canada
Bibliographic record
Abstract
De nombreuses réformes administratives ont eu lieu durant les trente dernières années dans les pays de l'OCDE. Des stratégies différentes ont été mises en œuvre afin de « moderniser » et « d'éprouver » le fonctionnement des unités administratives. Les changements en cours ont, bien évidemment, des implications sur les agents de la fonction publique, notamment du fait des impacts des mutations de type « nouvelle gestion publique » sur la gestion des ressources humaines. C'est précisément l'objectif de notre communication de mieux comprendre les stratégies des réformes déployées par la Suisse et le Canada en vue d'imprimer des mutations dans les administrations au niveau fédéral. Nous nous questionnons sur l'impact de ces stratégies, qui sont différentes dans leur nature, sur les principes et outils qui orientent la gestion des ressources humaines dans chacun des deux pays. Ensuite, nous menons une comparaison afin de mieux appréhender les divergences, mais également les convergences, de ces expériences de modernisation. A cet égard, notre étude permet de constater que la gestion des ressources humaines n'a souvent pas suivi l'évolution des mutations engagées et qu'elle est souvent sollicitée en aval des transformations, bien souvent comme un moyen de corriger certains effets pervers liés aux stratégies des réformes mises en œuvre.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.008 | 0.006 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".