Les discours de l’État sur la réforme de l’administration publique : l’exemple du secteur médico-social en Angleterre
Bibliographic record
Abstract
Cet article analyse des discours de réformes en santé et en services sociaux dans l’administration publique à partir de trois documents de politiques britanniques récents. L’étude décèle la ténacité des discours de la « nouvelle gestion publique », de la « gouvernance par réseaux » et de la « gouvernance de l’ère numérique ». Pendant ce temps, les discours de reprofessionnalisation semblent faibles et contradictoires. Le texte démontre la puissance des métadiscours liés à la nouvelle gestion publique, notamment l’importance de la marchéisation et du choix de la clientèle patiente. Ces métadiscours trouvent aussi écho dans la gouvernance par réseaux, avec son accent sur la collaboration et l’intégration. En retour, ceux-ci reposent sur des sous-discours d’une robuste gouvernance de l’ère numérique et d’une faible reprofessionnalisation. L’analyse conclut que les discours en administration publique coexistent de façon hybride. Mais cela soulève des questions quant aux tensions possibles entre les discours, bien que les documents de politiques en fassent fi. Ce résultat souligne la nécessité d’approfondir les recherches sur l’usage politique et rhétorique des différents discours sur la réforme de l’administration publique.
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 | 0.016 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.009 | 0.026 |
| Scholarly communication | 0.014 | 0.007 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.005 | 0.008 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".