Fonctionnaires, anonymat et activité politique en ligne : la neutralité bureaucratique est-elle en danger ?
Bibliographic record
Abstract
Depuis quelque temps, les réseaux sociaux préoccupent divers acteurs, qui craignent qu’en menaçant l’anonymat, ces réseaux mettent en danger la neutralité de la bureaucratie. Toutefois, les données empiriques sur l’activité politique en ligne des fonctionnaires sont peu nombreuses. Dans cet article, en nous appuyant sur la littérature consacrée à la motivation de service public, nous formulons des hypothèses divergentes sur la relation existant entre fonction publique et activité politique en ligne. En confrontant ces hypothèses aux données issues d’une enquête conduite au Canada, il ressort que, dans la fonction publique, le fait d’être syndiqué réduit la probabilité d’être politiquement actif en ligne. Alors que les réseaux sociaux continuent de transformer la nature de la gouvernance, les résultats semblent indiquer que l’anonymat et la neutralité demeurent des normes professionnelles importantes dans la tradition administrative des pays utilisant le système de Westminster, ce qui transparaît dans les activités politiques en ligne des fonctionnaires canadiens. Remarques à l’intention des praticiens • En raison de leur visibilité et de leur caractère permanent, les activités politiques des fonctionnaires sur les réseaux sociaux menacent la réputation d’impartialité des agents publics. • Aussi, certaines administrations et certains syndicats de la fonction publique ont appelé le personnel administratif à la prudence face aux dangers que représentent les activités politiques en ligne. • Des données issues d’une enquête menée au Canada semblent indiquer que ces appels ont porté leurs fruits. • Dans la fonction publique, le fait d’être syndiqué réduit la probabilité d’être politiquement actif en ligne mais ne réduit pas la probabilité de conduire des activités politiques traditionnelles « hors ligne ».
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 | 0.009 | 0.023 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.007 | 0.023 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 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".