MétaCan
Menu
Retour à la cohorte
Enregistrement W1983348320 · doi:10.1108/13287261011070858

E‐government maturity model using the capability maturity model integration

2010· article· en· W1983348320 sur OpenAlexaff
Dong‐Young Kim, Gerald Grant

Notice bibliographique

RevueJournal of Systems and Information Technology · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueE-Government and Public Services
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésCapability Maturity Model IntegrationCapability Maturity ModelMaturity (psychological)Process managementKnowledge managementService Integration Maturity ModelScope (computer science)Government (linguistics)BusinessProcess (computing)Conceptual modelComputer scienceDatabase

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to propose a framework for assessing the maturity level of electronic government (e‐government). Design/methodology/approach The conceptual framework is based on two models: the intellectual capital (IC) management and the capability maturity model integration (CMMI). Findings The framework is composed of four input areas (human capital, structural capital, relational capital, and IT investment) and five maturity stages (web presence, interaction, transaction, integration, and continuous improvement). These areas are assessed by using the IC management model and the CMMI model. Employing the IC management process enables not only practitioners to effectively manage resources, but also auditors to more objectively assess the input area. Using the CMMI model allows governments to conduct process‐based assessments. Originality/value The paper contributes to the literature and practice in the following ways. First, it outlines how to define and assess key attributes of e‐government activities. It can help governments to enhance the awareness and understanding of maturity levels of e‐government. Second, this research expands the scope of current studies on a maturity model by providing a balanced view between input factors (resources) and results (maturity stages). For practitioners, assessing the input factors enables them to realize how to prioritize strategies and resources. For academics, this attempt sheds light on the concepts of IC in e‐government studies. Third, considering the CMMI model will be helpful to conduct an objective and useful assessment. On the basis of a matrix for assessing maturity levels, governments can conduct self‐assessment and establish stable and mature implementation processes.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0010,001
Communication savante0,0050,008
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,015
Tête enseignante GPT0,263
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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations109
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Systems and Information TechnologyMême sujetE-Government and Public ServicesTravaux en français237 207