Les motifs du partage des connaissances dans le secteur public : Le rôle de la motivation de service public
Bibliographic record
Abstract
La littérature sur les motifs de partage des connaissances s’intéresse à l’importance des motivations à la fois extrinsèques et intrinsèques en matière de partage des connaissances. Cependant, pour élaborer une théorie en matière de motifs de partage des connaissances dans le secteur public, il convient de prendre en considération son contexte particulier, la principale préoccupation de l’État étant liée au service public, et non aux bénéfices. Dans la présente étude, nous intégrons dès lors la notion de motivation de service public (PSM) dans l’étude du partage des connaissances entre les agents de l’État. C’est en nous appuyant sur la théorie de la PSM que nous postulons que l’attirance pour la politique, l’attachement à l’intérêt général, la compassion et l’abnégation chez les agents de l’État peuvent les amener à partager les connaissances pour une raison sacrée : défendre l’intérêt général. C’est en se basant sur des données recueillies auprès de gestionnaires publics de niveau intermédiaire à Taïwan que les auteurs ont vérifié de manière empirique la question de savoir si la PSM était un prédicteur du partage des connaissances et nos hypothèses ont été clairement confirmées. La PSM ouvre dès lors une nouvelle voie aux chercheurs qui s’intéressent à l’étude du partage des connaissances dans le secteur public. Remarques à l’intention des praticiens En introduisant la PSM, la présente étude établit un lien entre partage des connaissances et administration publique. La fonction publique en tant que vocation amène les agents de l’État à partager leurs connaissances afin de faire progresser le savoir organisationnel et, partant, d’améliorer l’efficacité du service public. Par comparaison aux facteurs situationnels (comme l’utilisation des technologies de l’information et des récompenses), la PSM joue un rôle encore plus important dans la promotion du partage des connaissances si l’on en croit les résultats de notre recherche empirique. Il convient dès lors de prendre en considération la motivation altruiste et de la mettre en avant si l’on veut encourager le partage des connaissances dans le secteur public.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.011 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 0.001 |
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".