La centralisation est-elle la bonne solution ? Le cas des réformes dans la politique de sécurité intérieure en Suisse à la lumière des services de police de proximité
Bibliographic record
Abstract
C’est sous l’angle de la répartition des tâches entre les cantons et les communes en Suisse que nous allons tenter d’analyser la tendance qu’ont les réformes en matière de sécurité à concentrer les institutions policières au niveau cantonal et à éliminer la police locale en vue d’améliorer l’efficience. À mesure que l’on évolue vers la centralisation dans le cadre de divers consensus, les villes revendiquent leurs particularités et parviennent à conserver leur police locale. L’analyse porte sur deux réformes cantonales en se basant sur des données qualitatives. Les résultats indiquent que les changements institutionnels ont débouché sur trois grands dispositifs à la suite des réformes : centralisation de la police (les communes achètent les services de la police cantonale), régionalisation (plusieurs communes exercent leurs activités policières ensemble) et décentralisation (la ville conserve sa police locale). En ce qui concerne la question de savoir quels modèles produisent les meilleurs résultats, une évaluation de la perception des acteurs (citoyens et police) indique que le travail de la police et le sentiment de sécurité se sont améliorés dans le système décentralisé. Remarques à l’intention des praticiens Les questions politiques sont au centre des réformes qui visent une nouvelle répartition des compétences entre les niveaux de pouvoirs publics dans le secteur de la sécurité en Suisse. Elles peuvent avoir une grande influence sur les nouveaux dispositifs introduits par les réformes. Même si les décideurs cantonaux ont de solides arguments en faveur de la centralisation des tâches, les communes ont une influence plus grande. Cela se traduit par un fédéralisme asymétrique, dans lequel les villes peuvent conserver leur police et les communes sont tenues d’acheter les services de police cantonaux. L’option décentralisée étant plus appréciée par les citoyens comme par la police, les réformes en faveur de la centralisation sont difficiles à mettre en œuvre lorsqu’il existe une tradition de police locale.
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 | 0.017 | 0.028 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.016 |
| Scholarly communication | 0.011 | 0.013 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 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".