Les trois paradigmes de l’évaluation des politiques publiques face à l’obligation de rendre des comptes et de rendre compte
Bibliographic record
Abstract
Résumé Cet article analyse comment l’évaluation des politiques publiques peut servir les principes démocratiques consistant à rendre des comptes et à rendre compte. Il part d’une typologie des modes d’évaluation autour de trois paradigmes : l’évaluation stratégique ou « par les preuves », l’évaluation collaborative/pluraliste ou « par la délibération » et l’évaluation managériale ou « par les normes de pilotage », et montre que ces trois approches n’ont pas les mêmes capacités à rendre des comptes et à rendre compte. Se concentrant sur la première de ces deux fonctions, la reddition de comptes, il explique par des facteurs politiques la prééminence actuelle en France de l’évaluation collaborative/pluraliste, pourtant la moins apte à remplir cette fonction. Paradoxalement, l’évaluation managériale, potentiellement apte à la reddition de comptes, notamment en s’appuyant sur le cadre de la LOLF, est peu utilisée, tant par l’exécutif que par les institutions de contrôle de son action, que sont le Parlement et la Cour des comptes.
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 | 0.043 | 0.043 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.005 |
| Science and technology studies | 0.006 | 0.032 |
| Scholarly communication | 0.023 | 0.017 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.006 | 0.006 |
| Insufficient payload (model declined to judge) | 0.008 | 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".