MétaCan
Menu
Retour à la cohorte
Enregistrement W2182134200 · doi:10.4018/978-1-60566-659-4.ch011

Diffusion of Innovation and Capability Theory in the Context of E-Government

2009· book-chapter· en· W2182134200 sur OpenAlexaff
Mahmud Akhter Shareef, Vinod Kumar, Uma Kumar, Ahsan Akhter Hasin

Notice bibliographique

RevueIGI Global eBooks · 2009
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueE-Government and Public Services
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésInformation and Communications TechnologyInteractive kioskDeveloping countryContext (archaeology)Government (linguistics)Digital divideBusinessCorporate governancePublic relationsKnowledge managementEconomic growthPolitical scienceEconomicsComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

E-government (EG) enables governments to provide citizens easier and electronic access to information and modernized services through personal computers, kiosks, telephones, and other resources. Information and communication technology (ICT) is the prime driving force of EG. Therefore, before implementing an EG project, it is vital to investigate the capability of developing countries to adopt ICT and research the impact of adopting ICT in that society. The authors argue that the purposes of implementing EG can only be accomplished and the full benefits of EG realized if a majority of the population of developing countries has the ability to adopt ICT, the main driver of EG. Therefore, it is essential for policy makers of developing countries to study the adoption capability of ICT of citizens prior to launching EG. Otherwise, there is the strong possibility that EG projects could not accomplish the purpose of its implementation and could fail to reduce the digital divide, establish equal rights for all citizens, and promote good governance.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,007
Communication savante0,0050,009
Science ouverte0,0010,002
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,263
Écart entre enseignants0,246 · 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'étudeThéorique ou conceptuel
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

Citations6
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetE-Government and Public ServicesTravaux en français237 207