Investigating the Impact of ICT Investments on Human Development
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
Abstract In the last two decades, the worldwide information and communication technology (ICT) market has been growing at a rapid rate. This has led to a global net increase in ICT investments and usage. International organizations, ICT vendors and policy makers have been investigating whether such large investments are worthwhile. The results regarding this issue are inconclusive, for this research area is fraught with complexity, and existing empirical work is limited. This study investigates the impact of ICT investments on human development. Of particular interest are the relationships between different dimensions of ICT investment and the components of human development. ICT investments can be thought of as having four dimensions – hardware, software, internal spending and telecommunication investment, while typical human development indicators are standard of living (GDP per capita), education (literacy and school enrolments) and health (life expectancy). If these variables are not modelled correctly, their effect on each other can be either under‐ or overestimated. In this article, the line of enquiry from a study by Kim et al. (2008) is extended to investigate the relationship between the four aspects of ICT investments and the three key components of human development. The empirical analysis shows that the four dimensions of ICT investment have an impact in various ways on the components of human development, and that these impacts are different, in high income, mid income and low income countries. Based on these findings, this study suggests theoretical propositions to explain the impact of ICT investments on human development.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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