MétaCan
Menu
Retour à la cohorte
Enregistrement W2640092900 · doi:10.1109/rcis.2017.7956518

What can information systems do for regulators? A review of the state-of-practice in Canada

2017· review· en· W2640092900 sur OpenAlexafffundabout
Okhaide Akhigbe, Daniel Amyot, John Mylopoulos, Gregory Richards

Notice bibliographique

Revuenon disponible
Typereview
Langueen
DomaineComputer Science
ThématiqueInformation and Cyber Security
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesGovernment of Canada
Mots-clésEnforcementContext (archaeology)Government (linguistics)BusinessInformation systemState (computer science)Key (lock)Process managementKnowledge managementRisk analysis (engineering)Computer scienceComputer securityEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Regulations constitute a rich source of requirements for software systems, especially so for information systems that handle sensitive data. However, there has been little attention paid to regulators and their requirements for managing the regulatory lifecycle. This paper presents a study of the state-of-practice for regulators in Canada by examining seven Government of Canada (GoC) agencies responsible for regulations. In each case, we attempt to capture the context within which regulations are created, the motivation behind these regulations, and the practices related to their design, enforcement, and review. Our aims are to understand how regulators currently design, monitor, and assess regulations and other regulatory instruments in their respective domains, and to identify opportunities where information system (IS) solutions can be applied to improve practice. Our field study involved reviewing publicly available information and conducting informal interviews. Together, these activities helped us understand key regulators' activities and concerns, as well as important challenges they currently face. In this paper, we summarize our findings and explain the implications for the use of ISs to improve the practice of regulatory management in the form of a research 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,908
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,310
Écart entre enseignants0,280 · 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 tête enseignante, 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetInformation and Cyber SecurityTravaux en français237 207