Electronic government around the world: Current trends and future prospects
Notice bibliographique
Résumé
Abstract In recent decades many countries have leveraged information and communication technologies to facilitate interaction between citizens, businesses and governments. By enhancing government efficiencies and streamlining governance systems, countries expect to strengthen public service deliveries and to improve public and private sector interactions. Open public data is expected to bring better access to information and thus enhance democracy. Despite these promises, electronic government (eGov) policies around the world face challenges brought about by, among other things, inequalities (in terms of abilities, literacy, gender, income, location, age, etc), issues of data quality, as well as privacy and security concerns. eGov can be examined under three different categories: Government‐to‐Government (G2G), Government‐to‐Citizen (G2C), and Government‐to‐Business (G2B). eGov can also be examined via service delivery methodology, based on infrastructure development stages, provider and user perspectives (such as the available eGov services vs. actual eGov usage) or the discursive framing of such plans and programs. This panel addresses several such scenarios to examine the current state of electronic government in various international settings. Panelists will provide insights on specific dynamics in these countries (changing policies, environments, and technologies) and how they relate to successful (or not) e‐government practices. Sponsors SIG III, SIG IFP
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».