Bibliographic record
Abstract
Comment considérer les effets de la Nouvelle gestion publique (NGP) et des réformes qu’elle inspire sur le travail des professionnels du secteur public ? Au centre de ce dossier, cette question est explorée à partir d’enquêtes de terrain, conduites dans le domaine de l’éducation, mais aussi de la santé et de l’action sociale. Les travaux réunis brossent un tableau nuancé et subtil des effets de la NGP sur le travail des professionnels. Quelques lignes de force s’en dégagent. Considérée comme un puzzle doctrinal, la NGP apparaît encore plus variée, voire éclatée, quand elle est étudiée à travers sa mise en œuvre et ses traductions concrètes dans des dispositifs et normativités à visée gestionnaire. La diversité des réformes qui s’en inspirent traduit, classiquement, des spécificités nationales, mais les enquêtes proposées permettent d’identifier de nombreuses autres sources de variations : domaines d’activité, réactions des professionnels, implications des hiérarchies intermédiaires, environnements locaux, etc. Dans leurs déclinaisons localisées, ces réformes rencontrent donc des configurations hétérogènes d’acteurs et de règles, aussi leurs effets ne sont-ils pas directs et mécaniques. Ils témoignent, à rebours, d’une dimension paradoxale ou ambivalente de la NGP.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.006 | 0.005 |
| Insufficient payload (model declined to judge) | 0.321 | 0.138 |
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".