Les espaces de discussion : un vecteur de régulation des paradoxes de la Nouvelle Gestion Publique ?
Bibliographic record
Abstract
Les espaces de discussion permettent-ils de réguler les paradoxes de la Nouvelle Gestion Publique (NGP) ? A partir des années 1990, pour tenter de répondre aux critiques classiques adressées aux organisations publiques, la Nouvelle Gestion Publique a impulsé une réforme profonde de ces organisations dans les pays occidentaux. Elle a toutefois créé de nombreux paradoxes sur ce qu’est la performance, la culture ou même la légitimité dans les organisations publiques. Cet article défend l’idée que les « espaces de discussion » sont, pour partie, en mesure de réguler ces paradoxes. Il présente l’étude du cas d’un organisme de formation public. Les résultats montrent que la NGP crée des paradoxes particulièrement forts dans cette organisation et que les espaces de discussion qui existent permettent de réguler partiellement ces paradoxes. Nos résultats mettent en particulier en évidence le rôle que les outils de gestion jouent dans cette régulation. Toutefois, ils soulignent aussi la fragilité de cette régulation et sa difficulté à diffuser ses effets dans l’ensemble de l’organisation tant qu’elle n’est pas soutenue par la direction générale. Ces résultats permettent d’enrichir la littérature existante sur les paradoxes produits par la NGP, sur le rôle des outils de gestion dans le fonctionnement des espaces de discussion et sur la capacité des espaces de discussion à réguler certains paradoxes 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 | 0.038 | 0.067 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.010 | 0.036 |
| Scholarly communication | 0.024 | 0.030 |
| Open science | 0.003 | 0.012 |
| Research integrity | 0.008 | 0.010 |
| Insufficient payload (model declined to judge) | 0.011 | 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".