Dépense publique et croissance économique dans la région Moyen-Orient et Afrique du Nord
Bibliographic record
Abstract
En 2011, pendant les « printemps arabes », les citoyens de certains pays arabes ont défilé dans les rues, réclamant la diminution de la corruption, un meilleur accès à la vie publique et des emplois. En réponse, les États du Moyen-Orient et de l’Afrique du Nord ont mis en place des plans stratégiques pour satisfaire à ces exigences (par exemple, le plan Vision 2030 au Maroc ou le plan Vision 2030 en Arabie Saoudite). L’un des volets principaux de ces plans était lié à la réforme des finances publiques. Récemment, face à l’apparition de la pandémie de coronavirus (covid-19), la plupart des pays du Moyen-Orient et de l’Afrique du Nord ont eu recours à l’emprunt ou puisé dans leurs réserves (deux solutions considérées comme des sources de financement de la dépense publique), afin de soutenir l’économie et de financer les plans de lutte contre la maladie. L’efficacité et l’efficience de la dépense publique sont donc toujours primordiales pour optimiser l’utilisation des ressources disponibles. En s’appuyant sur des données concernant la région du Moyen-Orient et de l’Afrique du Nord de 1999 à 2019, au moyen de diagrammes de dispersion et d’une procédure de modèles linéaires généralisés, cet article étudie la relation entre dépense publique et croissance économique. Les résultats montrent que le système actuel de dépenses publiques est inefficace et inefficient et que, pour être efficiente, la dépense publique doit être combinée avec d’autres facteurs qui influencent l’économie (par exemple, l’augmentation de la participation des citoyens aux affaires publiques, le contrôle de la corruption et le soutien aux bonnes pratiques de gouvernance dans le secteur public). Remarques à l’attention des praticiens La dépense publique est l’un des piliers sur lesquels doit reposer la gestion des affaires publiques pour parvenir à un haut niveau de développement et offrir aux bénéficiaires des services publics de qualité. La présente étude porte sur la relation entre dépense publique et croissance économique. Les résultats obtenus confirment que des facteurs non financiers, comme la lutte contre la corruption, la promotion de la démocratie et de la liberté, l’amélioration de la qualité des institutions publiques et l’encouragement à la productivité et à la responsabilité dans le secteur public sont des dimensions importantes de la croissance économique, principalement dans les pays en développement.
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 | 0.001 |
| 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 | 0.002 |
| Scholarly communication | 0.001 | 0.002 |
| 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".