MétaCan
Menu
Retour à la cohorte
Enregistrement W2165402191 · doi:10.1177/016555150202800301

National Information Policy developments worldwide I: electronic government

2002· article· en· W2165402191 sur OpenAlexaboutno aff
Adrienne Muir, Charles Oppenheim

Notice bibliographique

RevueJournal of Information Science · 2002
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueE-Government and Public Services
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)DeskPublic relationsPolitical scienceEuropean unionProcurementPublic administrationBusinessLawMarketingEconomic policy

Résumé

récupéré en direct d'OpenAlex

A review of recent Government initiatives in the area of e-Government based upon a review of the literature is presented. The desk research covered the period 1997 to 2001, and covered a number of major countries, including Canada, USA, Member States of the European Union, South Africa, Hong Kong, Australia and New Zealand. The UK was not included in the survey. The targets set by Government are often vague, and few governments seem to have addressed in any thoughtful manner the problems citizens might have with use of technology. An approach along the lines of ‘this is bound to happen’ rather than ‘what sort of society do we really want?’ is a common feature amongst all the approaches examined. The risks of enhancing the digital divide are also rarely explicitly addressed. Comments regarding good initiatives that offer models for other countries to adopt are made. The emergence of government portals is without doubt the most significant development. These provide the facility for personalization by the user. The New Zealand Government’s efforts to ensure that its web sites are useful for citizens who have difficulty spelling and the Canadian Government’s use of minority languages are also noteworthy. The leading countries are Australia, New Zealand, USA and Canada. The Australian Government’s e-procurement strategy is a role model for the future.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0060,026
Études des sciences et des technologies0,0020,002
Communication savante0,0130,015
Science ouverte0,0010,002
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,004

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 GPT0,287
Écart entre enseignants0,272 · 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

Citations98
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

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