De la formulation d’une politique nationale à la compilation d’actions de protection sociale : un cas de « non-design » au Burkina Faso
Bibliographic record
Abstract
Pour améliorer la protection sociale de sa population, le Burkina Faso a adopté une politique nationale en 2012. Cet article analyse le processus de formulation de cette politique en s’appuyant sur la perspective du « policy design » (Howlett et Mukherjee, 2014). Menées conformément à la démarche qualitative inductive, la collecte et l’analyse des données montrent que ce processus de formulation n’a permis ni de mener une réflexion sur le problème à résoudre, ni d’identifier les besoins spécifiques des bénéficiaires, ni d’évaluer les résultats potentiels des solutions proposées dans le but de choisir les plus appropriées. Les auteurs aboutissent donc à un constat empirique de « non-design ». Cette politique se résume à un document dont le contenu tous azimuts rassemble toutes les actions envisageables de protection sociale, sans aucun arbitrage. Trois facteurs ont favorisé cette non-formulation : (1) le manque d’orientations gouvernementales claires pour guider les discussions ; (2) la faiblesse du soutien et de volonté politique – se traduisant par la faible implication des décideurs de haut niveau dans le processus ; et (3) les méconnaissances conceptuelle et technique des acteurs nationaux en matière de protection sociale – si bien qu’ils se sont contentés d’avoir recours aux conseils des organismes internationaux. Le gouvernement a annoncé son intention de jouer un rôle prépondérant dans le processus de formulation de cette politique mais il s’est agit d’une déclaration rhétorique. L’étude a en effet montré que le leadership et la volonté politique ont manqué, notamment pour canaliser les intérêts respectifs des acteurs et gérer les contradictions qui font obstacle à la formulation d’une politique cohérente et adaptée aux besoins de la population.
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 | 0.064 | 0.049 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.010 | 0.026 |
| Scholarly communication | 0.011 | 0.010 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.003 | 0.005 |
| 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".