MétaCan
Menu
Retour à la cohorte
Enregistrement W1634848746 · doi:10.15353/joci.v9i4.3147

Increasing Public Participation in Local Government by Means of Mobile Phones: What do South African Youth Think?

2013· article· en· W1634848746 sur OpenAlexvenueno aff
Jean-Paul Van Belle, Kevin Cupido

Notice bibliographique

RevueThe Journal of Community Informatics · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueE-Government and Public Services
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Social capitalThe InternetMobile phoneBusinessPolitical sciencePublic relationsEconomic growthInternet privacyEconomicsEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Apathy towards political participation is of concern for many countries throughout the world, and for many people political participation means no more than voting in an election. The South African Constitution makes several provisions for public participation but E-government solutions are not suited to the South African context, where fixed-line internet penetration is dramatically lower than that of mobile phones. Mobile phones cut across socio-economic barriers and have changed the way we communicate. They have been used to mobilise people in different parts of the world, more notably those who were passive politically, into action. This research set out to investigate whether using mobile phones to increase participation in local government would be acceptable or not. A mixed-method research was conducted in Cape Town, South Africa, amongst youths between the ages of 18 and 35 who had no access to fixed-line internet from either home or work. Constructs from a modified UTAUT model and Social Capital Theory were used to determine the individual intention to use government mobile service if they were made available. It was found that there is not only great interest in using mobile phones to interact with government mobile services, but also to interact with other members of the community. The ability to report on corruption and service delivery problems was particularly welcome.

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)0,007
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 enseignants0,011
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
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 savante0,0000,003
Science ouverte0,0010,000
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 Opus0,033
Tête enseignante GPT0,281
Écart entre enseignants0,248 · 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

Citations11
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

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