Budgétisation participative et efficacité gouvernementale : observations des gouvernements municipaux en Corée du Sud
Bibliographic record
Abstract
La présente étude évalue le rôle d’une institution démocratique – le budget participatif – dans l’amélioration de l’efficacité du gouvernement. Les institutions participatives visent à améliorer la gouvernance, le partage de l’information et la réactivité des agents politiques vis-à-vis des citoyens, à des fins d’imputabilité et d’efficience budgétaires. En nous appuyant sur une base de données de 221 gouvernements municipaux en Corée du Sud autour d’une période d’adoption obligatoire du budget participatif, nous constatons que l’adoption des budgets participatifs est suivie d’une amélioration de plusieurs dimensions de l’efficacité du gouvernement. En particulier, les gouvernements municipaux connaissent des améliorations statistiquement significatives de leur viabilité budgétaire et de leur efficacité administrative. Dans une analyse complémentaire, nous constatons que les améliorations de l’efficacité sont plus prononcées en présence d’un leadership fort de la part des maires. Les résultats globaux suggèrent que les programmes de budgétisation participative contribuent à la santé budgétaire et à l’efficacité administrative, au-delà de leur rôle dans la garantie de la démocratie budgétaire. Remarques à l’intention des praticiens L’étude actuelle suggère que les systèmes de budget participatif contribuent non seulement à la qualité de la démocratie (comme l’ont constaté des études antérieures), mais améliorent également l’efficacité et l’imputabilité budgétaires en servant de mécanisme de gouvernance ascendante. Nous démontrons que l’introduction de programmes de budgétisation participative est suivie d’améliorations statistiquement significatives de la viabilité budgétaire et de l’efficacité administrative. Les résultats indiquent également que l’effet d’amélioration de l’efficacité diffère selon les municipalités, en fonction de leur environnement politique. Dans l’ensemble, cette étude fournit un argument fort en faveur du système de budgétisation participative en confirmant empiriquement son effet d’amélioration de l’efficacité.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".