Modernisierung der kantonalen Verwaltungen 1990-2008 : Wandel von Administrativstrukturen und Einführung von Verwaltungsreformen = Modernisation des administrations cantonales 1990-2008 : transformations structurelles et gouvernance administrative

De nombreuses études ont été consacrées en Suisse à la promotion de la nouvelle gestion publique (NGP) au niveau des cantons, puis à son évaluation. Or, les chercheurs se sont peu intéressés jusqu'ici aux effets de son introduction sur les structures administratives et les effectifs de la fonction publique. Ils n'ont pas non plus expliqué suffisamment les facteurs ayant favorisé ou freiné la modernisation de l'Etat au-delà de la NGP. Les réformes de l'Etat menées au sein des administrations cantonales dans le cadre de la revitalisation du fédéralisme ont des causes multiples. Cette étude exploratoire tente de décrire les transformations au niveau des structures et de l'organisation de l'Etat depuis le début des années 1990 en analysant le niveau et l'impact des principes NGP ou d'autres facteurs ayant pu jouer un rôle dans la modernisation des administrations: force des partis, degré de professionnalisation des législatifs, taille de la population et des administrations, RPT et revitalisation de la collaboration intercantonale. Il ressort de l'étude qu'un groupe de cantons essentiellement alémaniques, plutôt de taille moyenne à grande (AG, BE, LU, SO, TG, VS, ZH) ont réussi à davantage réformer les administrations selon les principes de la NGP alors que d'autres ont choisi des voies différentes ou médianes (tels que BS, GE, JU, SG, TI, VD). Ces réformes se sont traduites pratiquement partout par un resserrement des structures décisionnelles (modèle ministériel 5/7), par une variation du nombre de services (hausse dans une première phase puis réduction) mais aussi du personnel (plutôt hausse à l'exception de BS et ZH) allant dans le sens d'une convergence des modèles institutionnels déterminée autant par des facteurs externes qu'internes aux cantons. Notre étude montre que la professionnalisation des parlements, davantage développée dans les cantons où le système représentatif est étendu (cantons latins, Bâle-Ville), retarde ou empêche l'essor des principes NGP alors que les cantons alémaniques à démocratie directe plus prononcée favorisent l'autonomisation des processus de réformes administratives avec une capacité de blocage moins grande des parlements.

Exploring Non-linear Transformations for an Entropybased Voice Activity Detector

In this paper we explore the use of non-linear transformations in order to improve the performance of an entropy based voice activity detector (VAD). The idea of using a non-linear transformation comes from some previous work done in speech linear prediction (LPC) field based in source separation techniques, where the score function was added into the classical equations in order to take into account the real distribution of the signal. We explore the possibility of estimating the entropy of frames after calculating its score function, instead of using original frames. We observe that if signal is clean, estimated entropy is essentially the same; but if signal is noisy transformed frames (with score function) are able to give different entropy if the frame is voiced against unvoiced ones. Experimental results show that this fact permits to detect voice activity under high noise, where simple entropy method fails.

Evaluation of Software Development Practices through Error Analysis

This thesis studies evaluation of software development practices through an error analysis. The work presents software development process, software testing, software errors, error classification and software process improvement methods. The practical part of the work presents results from the error analysis of one software process. It also gives improvement ideas for the project. It was noticed that the classification of the error data was inadequate in the project. Because of this it was impossible to use the error data effectively. With the error analysis we were able to show that there were deficiencies in design and analyzing phases, implementation phase and in testing phase. The work gives ideas for improving error classification and for software development practices.

Error de inclinación paleomagnética en materiales aluviales del Oligoceno superior del sector Suroriental de la Cuenca del Ebro (Region Surpirenaica, NE de España).

En el sector suroriental de la Cuenca del Ebro, la inclinación paleomagnética obtenida en las sucesiones aluviales oligocenas es considerablemente menor que la esperable, si se considera la paleolatitud de referencia calculada para esa región durante el Oligoceno. Este error de inclinación puede deberse a diversos factores, como el control hidrodinámica de las partículas magnéticas en el medio deposicional, la compactación diferencial del sedimento durante el enterramiento, o bien a la deformación tectónica. Este trabajo se ha centrado en su estudio en dos sucesiones dominantemente aluviales, donde previamente se había establecido su magnetoestratigrafia. Las litofacies aluviales y lacustres estudiadas se han agrupado en cinco grupos: areniscas grises, areniscas rojas y versicolores, limos rojos, lutitas rojas y calizas. Se ha demostrado la existencia de una correlación entre la abundancia de filosilicatos y el error de inclinación. De esta manera, las litofacies con un bajo porcentaje de filosilicatos (calizas y areniscas grises) presentan errores de unos 5', estadisticarnente no significativos, con respecto a la inclinación de referencia. Por el contrario, en materiales con un porcentaje más elevado de filosilicatos (limos y arcillas) el error puede llegar a los 25'. Este hecho no tiene repercusión en la interpretación de las polaridades magnéticas, pero si en las reconstmcciones palinspásticas y paleogeográficas basadas en los cálculos de paleolatitudes a partir de las paleoinclinaciones. Los resultados obtenidos demuestran la necesidad de cautela en la propuesta de conclusiones basadas exclusivamente en este tipo de información.

The political ecology of weeds : a scalar approach to landscape transformations

How do plants that move and spread across landscapes become branded as weeds and thereby objects of contention and control? We outline a political ecology approach that builds on a Lefebvrian understanding of the production of space, identifying three scalar moments that make plants into 'weeds' in different spatial contexts and landscapes. The three moments are: the operational scale, which relates to empirical phenomena in nature and society; the observational scale, which defines formal concepts of these phenomena and their implicit or explicit 'biopower' across institutional and spatial categories; and the interpretive scale, which is communicated through stories and actions expressing human feelings or concerns regarding the phenomena and processes of socio-spatial change. Together, these three scalar moments interact to produce a political ecology of landscape transformation, where biophysical and socio-cultural processes of daily life encounter formal categories and modes of control as well as emotive and normative expectations in shaping landscapes. Using three exemplar 'weeds' - acacia, lantana and ambrosia - our political ecology approach to landscape transformations shows that weeds do not act alone and that invasives are not inherently bad organisms. Humans and weeds go together; plants take advantage of spaces and opportunities that we create. Human desires for preserving certain social values in landscapes in contradiction to actual transformations is often at the heart of definitions of and conflicts over weeds or invasives.

Error models in hydrogeology applications

Notre consommation en eau souterraine, en particulier comme eau potable ou pour l'irrigation, a considérablement augmenté au cours des années. De nombreux problèmes font alors leur apparition, allant de la prospection de nouvelles ressources à la remédiation des aquifères pollués. Indépendamment du problème hydrogéologique considéré, le principal défi reste la caractérisation des propriétés du sous-sol. Une approche stochastique est alors nécessaire afin de représenter cette incertitude en considérant de multiples scénarios géologiques et en générant un grand nombre de réalisations géostatistiques. Nous rencontrons alors la principale limitation de ces approches qui est le coût de calcul dû à la simulation des processus d'écoulements complexes pour chacune de ces réalisations. Dans la première partie de la thèse, ce problème est investigué dans le contexte de propagation de l'incertitude, oú un ensemble de réalisations est identifié comme représentant les propriétés du sous-sol. Afin de propager cette incertitude à la quantité d'intérêt tout en limitant le coût de calcul, les méthodes actuelles font appel à des modèles d'écoulement approximés. Cela permet l'identification d'un sous-ensemble de réalisations représentant la variabilité de l'ensemble initial. Le modèle complexe d'écoulement est alors évalué uniquement pour ce sousensemble, et, sur la base de ces réponses complexes, l'inférence est faite. Notre objectif est d'améliorer la performance de cette approche en utilisant toute l'information à disposition. Pour cela, le sous-ensemble de réponses approximées et exactes est utilisé afin de construire un modèle d'erreur, qui sert ensuite à corriger le reste des réponses approximées et prédire la réponse du modèle complexe. Cette méthode permet de maximiser l'utilisation de l'information à disposition sans augmentation perceptible du temps de calcul. La propagation de l'incertitude est alors plus précise et plus robuste. La stratégie explorée dans le premier chapitre consiste à apprendre d'un sous-ensemble de réalisations la relation entre les modèles d'écoulement approximé et complexe. Dans la seconde partie de la thèse, cette méthodologie est formalisée mathématiquement en introduisant un modèle de régression entre les réponses fonctionnelles. Comme ce problème est mal posé, il est nécessaire d'en réduire la dimensionnalité. Dans cette optique, l'innovation du travail présenté provient de l'utilisation de l'analyse en composantes principales fonctionnelles (ACPF), qui non seulement effectue la réduction de dimensionnalités tout en maximisant l'information retenue, mais permet aussi de diagnostiquer la qualité du modèle d'erreur dans cet espace fonctionnel. La méthodologie proposée est appliquée à un problème de pollution par une phase liquide nonaqueuse et les résultats obtenus montrent que le modèle d'erreur permet une forte réduction du temps de calcul tout en estimant correctement l'incertitude. De plus, pour chaque réponse approximée, une prédiction de la réponse complexe est fournie par le modèle d'erreur. Le concept de modèle d'erreur fonctionnel est donc pertinent pour la propagation de l'incertitude, mais aussi pour les problèmes d'inférence bayésienne. Les méthodes de Monte Carlo par chaîne de Markov (MCMC) sont les algorithmes les plus communément utilisés afin de générer des réalisations géostatistiques en accord avec les observations. Cependant, ces méthodes souffrent d'un taux d'acceptation très bas pour les problèmes de grande dimensionnalité, résultant en un grand nombre de simulations d'écoulement gaspillées. Une approche en deux temps, le "MCMC en deux étapes", a été introduite afin d'éviter les simulations du modèle complexe inutiles par une évaluation préliminaire de la réalisation. Dans la troisième partie de la thèse, le modèle d'écoulement approximé couplé à un modèle d'erreur sert d'évaluation préliminaire pour le "MCMC en deux étapes". Nous démontrons une augmentation du taux d'acceptation par un facteur de 1.5 à 3 en comparaison avec une implémentation classique de MCMC. Une question reste sans réponse : comment choisir la taille de l'ensemble d'entrainement et comment identifier les réalisations permettant d'optimiser la construction du modèle d'erreur. Cela requiert une stratégie itérative afin que, à chaque nouvelle simulation d'écoulement, le modèle d'erreur soit amélioré en incorporant les nouvelles informations. Ceci est développé dans la quatrième partie de la thèse, oú cette méthodologie est appliquée à un problème d'intrusion saline dans un aquifère côtier. -- Our consumption of groundwater, in particular as drinking water and for irrigation, has considerably increased over the years and groundwater is becoming an increasingly scarce and endangered resource. Nofadays, we are facing many problems ranging from water prospection to sustainable management and remediation of polluted aquifers. Independently of the hydrogeological problem, the main challenge remains dealing with the incomplete knofledge of the underground properties. Stochastic approaches have been developed to represent this uncertainty by considering multiple geological scenarios and generating a large number of realizations. The main limitation of this approach is the computational cost associated with performing complex of simulations in each realization. In the first part of the thesis, we explore this issue in the context of uncertainty propagation, where an ensemble of geostatistical realizations is identified as representative of the subsurface uncertainty. To propagate this lack of knofledge to the quantity of interest (e.g., the concentration of pollutant in extracted water), it is necessary to evaluate the of response of each realization. Due to computational constraints, state-of-the-art methods make use of approximate of simulation, to identify a subset of realizations that represents the variability of the ensemble. The complex and computationally heavy of model is then run for this subset based on which inference is made. Our objective is to increase the performance of this approach by using all of the available information and not solely the subset of exact responses. Two error models are proposed to correct the approximate responses follofing a machine learning approach. For the subset identified by a classical approach (here the distance kernel method) both the approximate and the exact responses are knofn. This information is used to construct an error model and correct the ensemble of approximate responses to predict the "expected" responses of the exact model. The proposed methodology makes use of all the available information without perceptible additional computational costs and leads to an increase in accuracy and robustness of the uncertainty propagation. The strategy explored in the first chapter consists in learning from a subset of realizations the relationship between proxy and exact curves. In the second part of this thesis, the strategy is formalized in a rigorous mathematical framework by defining a regression model between functions. As this problem is ill-posed, it is necessary to reduce its dimensionality. The novelty of the work comes from the use of functional principal component analysis (FPCA), which not only performs the dimensionality reduction while maximizing the retained information, but also allofs a diagnostic of the quality of the error model in the functional space. The proposed methodology is applied to a pollution problem by a non-aqueous phase-liquid. The error model allofs a strong reduction of the computational cost while providing a good estimate of the uncertainty. The individual correction of the proxy response by the error model leads to an excellent prediction of the exact response, opening the door to many applications. The concept of functional error model is useful not only in the context of uncertainty propagation, but also, and maybe even more so, to perform Bayesian inference. Monte Carlo Markov Chain (MCMC) algorithms are the most common choice to ensure that the generated realizations are sampled in accordance with the observations. Hofever, this approach suffers from lof acceptance rate in high dimensional problems, resulting in a large number of wasted of simulations. This led to the introduction of two-stage MCMC, where the computational cost is decreased by avoiding unnecessary simulation of the exact of thanks to a preliminary evaluation of the proposal. In the third part of the thesis, a proxy is coupled to an error model to provide an approximate response for the two-stage MCMC set-up. We demonstrate an increase in acceptance rate by a factor three with respect to one-stage MCMC results. An open question remains: hof do we choose the size of the learning set and identify the realizations to optimize the construction of the error model. This requires devising an iterative strategy to construct the error model, such that, as new of simulations are performed, the error model is iteratively improved by incorporating the new information. This is discussed in the fourth part of the thesis, in which we apply this methodology to a problem of saline intrusion in a coastal aquifer.

Gene Expression Profiling of Desmoid Tumors by cDNA Microarrays and Correlation with Progression-Free Survival.

PURPOSE: Because desmoid tumors exhibit an unpredictable clinical course, translational research is crucial to identify the predictive factors of progression in addition to the clinical parameters. The main issue is to detect patients who are at a higher risk of progression. The aim of this work was to identify molecular markers that can predict progression-free survival (PFS). EXPERIMENTAL DESIGN: Gene-expression screening was conducted on 115 available independent untreated primary desmoid tumors using cDNA microarray. We established a prognostic gene-expression signature composed of 36 genes. To test robustness, we randomly generated 1,000 36-gene signatures and compared their outcome association to our define 36-genes molecular signature and we calculated positive predictive value (PPV) and negative predictive value (NPV). RESULTS: Multivariate analysis showed that our molecular signature had a significant impact on PFS while no clinical factor had any prognostic value. Among the 1,000 random signatures generated, 56.7% were significant and none was more significant than our 36-gene molecular signature. PPV and NPV were high (75.58% and 81.82%, respectively). Finally, the top two genes downregulated in no-recurrence were FECH and STOML2 and the top gene upregulated in no-recurrence was TRIP6. CONCLUSIONS: By analyzing expression profiles, we have identified a gene-expression signature that is able to predict PFS. This tool may be useful for prospective clinical studies. Clin Cancer Res; 21(18); 4194-200. ©2015 AACR.