L’évolution de la capacité administrative en Corée : tendances contemporaines et enseignements
Bibliographic record
Abstract
Dans le présent article, nous étudions de manière empirique la compréhension et l’évolution du concept de capacité administrative dans le contexte coréen. Malgré un consensus universel sur son importance, la capacité administrative est définie différemment par les régimes et les parties prenantes (c’est-à-dire, dans la présente étude : le public, les membres de l’Assemblée nationale et les universitaires). Afin d’améliorer notre compréhension de la capacité administrative, nous avons recueilli trois types de textes (337 articles universitaires, 1470 procès-verbaux de l’Assemblée nationale et 3316 articles de journaux de 2000 à 2019) et analysé les données en utilisant des méthodes de modélisation des sujets et d’analyse des réseaux de textes. Les résultats indiquent que même si les articles académiques mettent l’accent sur le leadership, la main-d’œuvre, l’éducation et d’autres capacités d’élaboration des politiques, l’Assemblée nationale met l’accent sur la capacité d’innovation pour résoudre différents problèmes stratégiques. Enfin, les médias, censés refléter l’opinion publique, mettent l’accent sur les capacités liées à la sécurité nationale. Remarques à l’intention des praticiens La présente étude indique que différents types de capacités administratives pourraient être nécessaires selon le stade de développement des États. Alors que les capacités de gestion et d’administration devraient être renforcées dans les pays poursuivant un développement économique dirigé par l’État, les capacités de gouvernance pourraient être davantage nécessaires dans les pays confrontés à des demandes de démocratisation et répondant aux divers besoins et à la participation des citoyens.
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 | 0.013 | 0.054 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.010 | 0.013 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.015 | 0.013 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
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".