Interactions with e-government, new digital media and traditional channel choices: citizen-initiated factors
Notice bibliographique
Résumé
Purpose – This paper aims to examine the factors that can predict citizen-initiated contact with e-government as an attempt to identify important differences between service channel selections. Although more than two decades have passed since the initiation of e-government, digital channel choice is still being questioned, compared to traditional channels, and the level of selection with channels is being investigated. Design/methodology/approach – This study states three research questions that are answered through a literature review and statistical analysis of a survey in a developed country. More specifically, it identifies the factors that impact channel choice and validates them with survey results. To this end, this paper utilizes data from a national Canadian survey, where citizens empirically evaluated their channel choice – e-government, new digital media and traditional service channels – for government contacts. Findings – Statistical analysis over this data return valuable findings such as that the e-government channel is more appropriate for information collection, whereas traditional service channels are more likely to establish individual problem solving. Moreover, the digital divide appears to have an impact on citizen channel choice. Furthermore, digitally literate citizens who are aware of privacy issues are more likely to use new digital media. Finally, citizens are quite satisfied from their new digital media experience, but are not as satisfied with their traditional contact experience. Originality/value – These outcomes show that e-government obstacles regarding digital divide, trust and efficiency remain active and have to be addressed more carefully by governments. This study shows that e-government and new digital media are not simple channel choices, but are complex in public service delivery. These outcomes confirm the significance of channel choice for transforming government, as e-government appears to be a part of a broader channel choice agenda.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».