MétaCan
Menu
Retour à la cohorte
Enregistrement W1551100479 · doi:10.15353/joci.v11i1.2849

Information Kiosk Based Indian E-Governance Service Delivery: Value Chain Based Measurement Modelling

2015· article· en· W1551100479 sur OpenAlexvenueno aff
Harekrishna Misra

Notice bibliographique

RevueThe Journal of Community Informatics · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueE-Government and Public Services
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceConsolidation (business)BusinessService delivery frameworkE-governanceContext (archaeology)Public administrationGood governancePublic relationsService (business)Political scienceMarketingAccountingFinance

Résumé

récupéré en direct d'OpenAlex

Globally, e-governance systems are evolving towards wider acceptance. Almost all the countries have embraced e-governance as part of their long term policy. Contemporary e-governance implementation efforts however, are not free from challenges. While some argue in favour of convergence among business, government, civil society etc., many feel citizen acceptance needs to be the primary objective. In cases like European Union (EU), citizen acceptance of e-governance services has become very important because of member-driven benefits. In developing countries, this challenge is enormous despite having prolific growth in e-governance infrastructure. In Indian context, e-governance infrastructure has evolved to a stage of consolidation. National e-Governance Plan (NeGP), National Knowledge Network (NKN) and Unique Identification Authority of India (UIDAI) etc., provide the scope for such consolidation. In this paper, it is argued that value chain management approach is necessary to consolidate the efforts made so far. Consolidation needs wider citizen acceptance and value added services are the basic imperatives. This consolidation phase needs to ensure e-governance efforts having longer life cycles, better convergence and connected e-governance. A measurement and acceptance model is presented in this paper with two case studies drawn from India for validation.

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)0,016
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 enseignants0,105
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0160,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,003
Science ouverte0,0020,000
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 Opus0,086
Tête enseignante GPT0,276
Écart entre enseignants0,189 · 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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Community InformaticsMême sujetE-Government and Public ServicesTravaux en français237 207