An Empirical Investigation on the Adoption of e-Government in Developing Countries: The Case of Jordan
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
While e-Government has the potential to improve public administration effectiveness as well as efficiency by increasing convenience, performance and accessibility of different government services to citizens, the success of these initiatives is dependent not only on government support, but also on citizens’ willingness to accept and adopt those e-government services. Although there is a great body of literature that discuss e-Government in developed countries, e-government in developing countries, in general, and Arab countries, in particular, has not received equal attention. The objective of this study is to determine the factors that influence the adoption of e-government services in a developing country, namely Jordan. An extended version of Technology Acceptance Model (TAM) is utilized as the theoretical base of this study. Overall, the study proposes that citizens’ perceptions about e-Government services influence their attitude towards adopting e-government initiatives. A survey collected data from 853 online users of Jordan’s e-government services. Using partial least squares (PLS) of structural equation modeling (SEM) analysis technique, the results show that all the four factors, namely: Perceived Credibility, Perceived Usefulness, Perceived Ease of Use and Computer Self Efficacy have significant effect on the adoption of e-government services in Jordan. Moreover, the study findings show that Perceived Ease of Use as the most important factor in predicting Jordanian citizens’ adoption of e-government services. The research limitations, implications for research and practice are discussed.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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