MétaCan
Menu
Retour à la cohorte
Enregistrement W1488371720 · doi:10.15353/joci.v10i2.2657

An African Rural Internet Network, and its interactions with Academics

2013· article· en· W1488371720 sur OpenAlexvenueno aff
Gertjan van Stam, Darelle van Greunen

Notice bibliographique

RevueThe Journal of Community Informatics · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueICT Impact and Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInformation and Communications TechnologyLast mile (transportation)BusinessThe InternetRural areaInternet accessService (business)Economic growthDigital divideScarcityService providerUniversal serviceDeveloping countryMarketingTelecommunicationsEconomicsPolitical scienceGeographyEngineeringMileComputer science

Résumé

récupéré en direct d'OpenAlex

Creating ICT access in the rural areas of Africa is a complex challenge. In these areas, telecommunications infrastructure is provided at a very high cost that may not be justified by the resulting use and effects of the telecommunications network. Affordable access to ICTs in rural areas can be frustrated at the supply as well as the demand end of the service-provision chain. To supply ICTs and related services in rural areas, the main challenge is the high level of capital and operating expenditures incurred by service providers. On the demand side, rural adoption of ICTs in developing countries is curtailed by low availability of complementary public services, such as electricity and education, and by the relative scarcity of locally relevant content. This paper highlight the various aspects of the challenges of setting up a First Mile project in rural Zambia. It takes a rather unique angle in that it introduces the perspectives on the value of academic interventions in a manner that not only addresses some of the complex issues but also accommodates cultural adjustment. The paper introduces the rural internet project in Macha, rural Zambia and demonstrates the impact of such an initiative on setting up not only connectivity in a rural community but also dealing with the challenges that come with this.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,456

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,024
Tête enseignante GPT0,261
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Community InformaticsMême sujetICT Impact and PoliciesTravaux en français237 207