L’art de la bonne gouvernance : quand les représentations du passé inspirent la pratique moderne
Bibliographic record
Abstract
Depuis le début des années 1990, le discours sur la « bonne gouvernance » gagne en importance. La question de savoir ce que signifie et ce que suppose la « bonne gouvernance », et à partir de quel moment on peut parler de « bonne » gouvernance dans ce discours n’est cependant pas toujours évidente. Bon nombre de spécialistes de l’administration publique et d’autres sciences sociales qui se sont intéressés à la bonne gouvernance ont recouru à des interprétations visuelles de la bonne gouvernance qui datent de plusieurs siècles pour illustrer leur propos. Dans le présent article, nous recourons nous aussi à des images du passé (les fresques de Sienne de Lorenzetti, pour être plus précis), mais non pas en guise d’illustration, mais bien de fondement de notre argument. Notre question de recherche principale est la suivante : de quelle manière les fresques de Lorenzetti sur le bon gouvernement peuvent-elles inspirer notre conception actuelle de la bonne gouvernance ? Dans notre conclusion, nous avançons que la bonne gouvernance est la gouvernance par de bons gouverneurs, et que les bons gouverneurs sont des gouverneurs inspirés par la bienveillance. Nous terminerons par une analyse de ce que cela suppose pour la pratique de la gouvernance moderne. Remarques à l’intention des praticiens La gouvernance sans violations de l’intégrité n’est pas forcément la bonne gouvernance. La bienveillance est nécessaire.
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 | 0.004 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.039 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 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".