Le groupe des 20. Une communauté stratégique transnationale : réseaux de gouvernance, analyses stratégiques et groupes de réflexion
Bibliographic record
Abstract
Le G20 est une institution internationale en constante évolution. Grâce aux avancées dans les technologies de l’information et à l’aide des gouvernements nationaux, un certain nombre d’acteurs et de réseaux de la connaissance tentent d’influencer la gouvernance économique mondiale au moyen d’analyses et de conseils stratégiques. Dans le présent article, nous nous intéressons au réseau international que constitue le groupe de réflexion du G20 baptisé « Think20 », ainsi qu’au plaidoyer politique des instituts privés de recherche (comme le Lowy Institute, en Australie, et le Centre for International Governance and Innovation, au Canada), qui sont dans l’orbite de la communauté stratégique du G20. Think20 vient en aide aux processus de gouvernance économique mondiale du G20 en mettant au point des « discours de coordination » en matière d’élaboration et de mise en œuvre des politiques. Remarques à l’intention des praticiens Les idées sont importantes, mais les idées qui supposent une réforme majeure des politiques et des innovations doivent le devenir aussi si l’on veut qu’elles aient une influence sur l’action du gouvernement. Les réseaux sont un moyen de diffuser des « discours communicatifs » à de nombreux publics différents — locaux ou internationaux —, ainsi que l’infrastructure permettant de concrétiser et d’amplifier les « discours de coordination » à la base des modèles stratégiques et des propositions de réforme des gouvernements qui doivent motiver leurs propres bureaucraties, de même que collaborer avec des gouvernements étrangers. Dans le présent article, nous analysons certains des outils et des pratiques de réseau en ce qui concerne la recherche du consensus dans les « communautés stratégiques transnationales » qui cultivent la coordination stratégique globale.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.002 | 0.006 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".