Gezocht integere en daadkrachtige verbinder (m/v):Het onderscheidend vermogen van profielschetsen voor Nederlandse burgemeesters beoordeeld
Bibliographic record
Abstract
Op de profielschetsen waarin gemeenteraden de eisen verwoorden die ze stellen aan een nieuw te benoemen burgemeester is veel kritiek. Ze zouden te veel op elkaar lijken en weinig échte keuzes bevatten. In dit artikel beschrijven we de eisen die gemeenteraden aan kandidaat-burgemeesters stellen en analyseren we het onderscheidend vermogen van profielschetsen. Uit een inhoudsanalyse van 231 profielschetsen en gesprekken met vijf focusgroepen blijkt, dat gemeenteraden in het bijzonder vragen om integere netwerkers en verbinders die vooral daadkrachtig, inlevend en communicatief zijn. De verschillen tussen gemeenten zijn daarbij klein, en gemeentegrootte maakt nauwelijks verschil. Gemeenteraden benutten in profielschetsen niet ten volle de mogelijkheden voor lokaal maatwerk en vertalen de lokale omstandigheden niet tot nauwelijks in specifieke eisen. De verklaring daarvoor is deels gelegen in isomorfe processen, die leiden tot eenvormigheid: gemeenteraden laten zich leiden door de handreiking voor het benoemingsproces en kopiëren teksten van elkaar. Tegelijk vraagt het Nederlands burgemeestersambt om een specifieke invulling, die we vertaald zien in profielschetsen. Het is daarom maar de vraag of de kritiek op profielschetsen volledig terecht is. Ze hebben namelijk wel degelijk onderscheidend vermogen. Maar gemeenteraden kunnen wel veel scherpere keuzes maken in wat ze van een burgemeester verwachten, passend bij de uitdagingen waar de gemeente voor staat.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.031 | 0.007 |
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".