Factors and their relationships in measuring the progress of open government
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine the main factors influencing government openness, develop a global government openness index (GGOI) for assessing the progress of government openness and investigate how the factors contribute to the advancement of open government by individual countries and country groups by income. Design/methodology/approach This study identifies the four factors and adopts them into four variables for making GGOI: accountability (ACC), citizen participation and freedom (CPF), transparency (TRA) and information and communication technology (ICT). To calculate GGOI, panel data for 134 countries from 2006 to 2015 were used. Findings GGOI scores constantly improved with an annual growth rate of 2.09 percent. Countries with high ACC values tend to have high TRA scores, resulting in high GGOI scores. While the differences in ACC and TRA were steady over the period, ICT increased the most in all groups. To boost ICT performance as a channel to support other variables, middle-income countries should make further effort for citizens to use ICT capabilities toward enhancing the levels of CPF and TRA. Research limitations/implications This study presents a global picture of the advancement of open government and provides insights into specific areas that can be diagonalized. Practical implications The GGOI could be used as a useful assessment tool to measure the progress of government openness in countries and implement policies and action plans for improving government openness. Originality/value The GGOI covers the areas related to legal, administrative, participatory and technological factors and provides the factors’ inter-relationships for the composition of GGOI.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 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 découle