Le « e-readiness » suscite-t-il un recours accru au gouvernement électronique ? Éléments d'information issus du gouvernement électronique central coréen
Notice bibliographique
Résumé
Les indices de la capacité des pays à intégrer les TIC (appelés « e-readiness ») mesurés par l’accessibilité et les offres de contenu sont régulièrement utilisés dans les évaluations des sites de gouvernement électronique. Nous présentons des données empiriques extraites de quatre indices de e-readiness (comme l’accessibilité, les informations électroniques, les requêtes électroniques et la participation électronique) et des données sur le parcours de navigation des sites Web des unités du gouvernement central coréen de 2003 à 2005 pour déterminer si le e-readiness suscite un recours accru aux sites de gouvernement électronique. Nous allons voir que seul l’indice relatif aux informations électroniques présente une corrélation significative avec l’utilisation des sites Web et que la majorité des variations dans l’utilisation sont attribuables à des effets propres aux unités, comme la nature du service public qu’elles offrent. Nos observations indiquent également que l’indice d’accessibilité ne doit plus être considéré comme un facteur déterminant pour évaluer les sites Web du gouvernement électronique et que les évaluations du contenu du gouvernement électronique traditionnelles axées sur l’offre peuvent produire des informations trompeuses sur l’évolution du gouvernement électronique. Remarques à l’intention des praticiens Les évaluations du gouvernement électronique traditionnelles axées sur l’offre ne représentent pas toujours les besoins réels des citoyens et leur utilisation réelle des services de gouvernement électronique. Le déploiement du gouvernement électronique à l’échelle de plusieurs unités doit tenir compte de la nature des services publics offerts par chaque unité.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,001 | 0,007 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».