L’utilisation des connaissances pour informer des politiques publiques : d’une prescription technocratique internationale à la réalité politique des terrains
Bibliographic record
Abstract
Le fait d’utiliser des connaissances explicites pour informer les décisions politiques est de plus en plus encouragé au niveau international, notamment par le mouvement d’information des politiques par les données probantes ( evidence-informed policy making ). Si la valeur sous-jacente à ce mouvement est de rationaliser le processus politique, les recherches en sciences sociales ont depuis longtemps permis d’observer que les connaissances sont des objets sociaux, dépendants des contextes politiques et économiques. L’objectif de notre analyse est de décrire à partir de trois études de cas (les politiques de protection sociale au Burkina Faso, une stratégie de transfert de connaissances sur les politiques de gratuité au Niger et la diffusion du financement basé sur la performance au Mali), comment ces connaissances, peuvent orienter la formulation des politiques publiques. Ces trois études de cas nous permettent d’observer que nous sommes loin des connaissances explicites comme vectrices de neutralité, de transparence et de reddition des comptes. Alors que la santé et la protection sociale sont des sujets prenant de plus en plus d’importance sur la scène globale, nous observons que l’utilisation des connaissances scientifiques ou de l’expertise est sensible aux intérêts, orientée par les institutions, et influencée par la mondialisation.
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.000 | 0.005 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.002 | 0.002 |
| 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; both teacher heads agree on what is shown here.
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".