Evaluation de la politique budgétaire en République Démocratique du Congo
Bibliographic record
Abstract
De 1960 à 2020, les finances publiques congolaises ont connu des perturbations de diverses origines. La RD Congo a été souvent le théâtre des situations politiques et sécuritaires instables qui ont décimé les activités économiques, amenuisant ainsi l’assiette fiscale et entraînant des charges publiques supplémentaires. Les questions liées à la gouvernance ont davantage miné la gestion des finances publiques. La corruption, l’incivisme fiscal et les décisions moins rationnelles ont réduit la portée des objectifs budgétaires poursuivis. En outre, la qualité des institutions en charge de la gestion des finances publiques a été aussi au centre de l’inefficacité de l’action publique telle que prévue dans le budget de l’Etat. La présente étude fait montrer que la politique budgétaire en RDC est inadéquate, mais que la prise de conscience des difficultés de gestion permette à terme d’avoir une meilleure gouvernance des finances publiques. En rapport à la règle de l’orthodoxie financière par le respect des prévisions, la mise en œuvre des procédures d’exécutions et l’obligation de recouvrer et enfin l’activation des contrôles pourrait être utile, et l’état devrait ainsi engager des efforts de bonne gouvernance et de gestion de ce budget
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 | 0.011 | 0.026 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.008 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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 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".