MétaCan
Menu
Retour à la cohorte
Enregistrement W2061449831 · doi:10.4018/jegr.2010102005

E-Government Implementation Perspective

2010· article· en· W2061449831 sur OpenAlexaff
Mahmud Akhter Shareef, Vinod Kumar, Uma Kumar, Abdul Hannan Chowdhury, Subhas Chandra Misra

Notice bibliographique

RevueInternational Journal of Electronic Government Research · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueE-Government and Public Services
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Information and Communications TechnologyThe InternetBusinessPublic sectorQuality (philosophy)GRASPPerspective (graphical)Competitive advantagePublic relationsMarketingIndustrial organizationKnowledge managementProcess managementEngineeringEconomicsPolitical scienceComputer scienceWorld Wide WebEconomy

Résumé

récupéré en direct d'OpenAlex

Though many countries are still just beginning to grasp the potential uses and impacts of Electronic-government (EG), advances in technologies and their applications continue. Observing the proliferation of EG, countries are increasingly turning to the Internet to market their EG system to gain a competitive advantage. However, the effectiveness and efficiency of such online government systems largely depends on the mission of implementing EG. For successful adoption and implementation of EG, it is essential that a country first identify an explicit objective and a specific strategy. We have examined implementation strategies of EG of seven diverse countries whose objectives and mission for implementing EG differ significantly. However, they have the following strategies in common: i) extensive application of information and communication technology (ICT) in the public sector; ii) overall reformation of the public sector; iii) development of a better quality service structure; and iv) more cohesive integration of citizens with government.

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)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,003
Communication savante0,0080,005
Science ouverte0,0020,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0190,002

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 Opus0,031
Tête enseignante GPT0,462
Écart entre enseignants0,431 · 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'étudeSans objet
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

Citations22
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Electronic Government ResearchMême sujetE-Government and Public ServicesTravaux en français237 207