MétaCan
Menu
Back to cohort
Record W2597062297 · doi:10.7202/1038831ar

Portrait de l’évolution de la gestion des risques dans les ministères et les organisations publiques au Québec de 2005 à 2013

2017· article· fr· W2597062297 on OpenAlexvenueaboutno aff
Benoît Ladouceur, Étienne Charbonneau

Bibliographic record

VenueRevue Gouvernance · 2017
Typearticle
Languagefr
FieldHealth Professions
TopicOccupational Health and Safety Research
Canadian institutionsnot available
Fundersnot available
KeywordsPolitical scienceHumanitiesArt

Abstract

fetched live from OpenAlex

La gestion des risques est présentée comme un processus qui devrait avoir un impact positif sur la performance des organisations publiques; il est donc intéressant d’en dresser le portrait et de regarder en quoi sa mise en oeuvre est liée aux bonnes pratiques généralement reconnues. Cette étude se fonde sur les réponses au questionnaire annuel sur l’application de la Loi sur l’administration publique (LAP) du Secrétariat du Conseil du trésor (2004-2013). Dans le cadre du régime de performance établi par l’appareil administratif québécois, le processus de gestion des risques devrait être graduellement adopté par les organisations publiques, ce qui est démontré dans le présent article. Les organisations de grande taille devraient être les plus susceptibles d’adopter rapidement les processus proposés. Dans une certaine mesure, cela devrait aussi être le cas des organisations qui se dotent de ressources et appliquent certaines bonnes pratiques, comme le soutien de la direction à l’égard de la démarche ou la désignation de responsables du processus. On constate une progression lente, mais constante, de l’ensemble des indicateurs de maturité étudiés (processus, politique, étendue des champs d’application). Globalement, les ministères et les organismes de plus grande taille ont tendance à s’approprier certains outils de gestion de risque plus rapidement, mais les plus petits organismes réussissent à combler une partie du retard qu’ils accusaient dans un premier temps.

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 imitation

Not 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.

metaresearch head score (Codex)0.004
metaresearch head score (Gemma)0.009
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMetaresearch, Meta-epidemiology (narrow), Science and technology studies
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.221
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0040.009
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0050.001
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.078
GPT teacher head0.427
Teacher spread0.349 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations1
Published2017
Admission routes2
Has abstractyes

Explore more

Same venueRevue GouvernanceSame topicOccupational Health and Safety ResearchFrench-language works237,207