Les « think tanks » dans les régimes de la connaissance politiquement ancrée : la « porte tournante » est-elle importante en Chine ?
Bibliographic record
Abstract
Dans le présent article, nous conceptualisons un « régime de la connaissance politiquement ancrée » dans lequel le pouvoir politique est profondément enraciné dans les réseaux administratifs et personnels entre les décideurs bureaucratiques et leurs consultants professionnels. Afin d’illustrer les caractéristiques du régime de la connaissance politiquement ancrée, j’évalue les effets du système de la porte tournante (revolving door) sur les « think tanks » (groupes de réflexions) chinois. Je constate de manière empirique que la porte tournante contribue de manière négligeable à l’influence et aux revenus des « think tanks » en Chine. De plus, la porte tournante a des effets négatifs significatifs sur la construction des réseaux sociaux personnels des membres des « think tanks ». Nous effectuons une analyse hétérogène et un appariement des coefficients de propension pour présenter la robustesse des résultats de la régression. Remarques à l’intention des praticiens La politique de la « porte tournante » a toujours été considérée comme un facteur essentiel pour la prospérité des « think tanks » américains. Elle est aujourd’hui devenue la stratégie de recrutement dominante pour les « think tanks » internationaux. En particulier, le gouvernement et le monde universitaire chinois adoptent à présent le mécanisme de la porte tournante dans le cadre de la création des « think tanks » chinois. Pourtant, aucune recherche empirique systématique n’a été menée pour évaluer les effets exacts de la porte tournante sur les « think tanks » chinois. Mes observations empiriques révèlent que les expériences de développement des « think tanks » américains ne sont peut-être pas aussi efficaces lorsqu’elles sont appliquées à d’autres pays ayant des régimes de la connaissance différents.
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 imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.007 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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.
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 teacher head, 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".