Antécédents et conséquences de l’attractivité des sites de médias sociaux de l’administration publique
Notice bibliographique
Résumé
Compte tenu du recours croissant aux canaux de médias sociaux dans les administrations publiques, la présente étude examine les antécédents et les conséquences de l’attractivité des sites de médias sociaux des administrations publiques, en particulier au niveau du gouvernement local. Nous nous appuyons sur un modèle basé sur la théorie des usages et des gratifications et appliquons une approche de modélisation par équation structurelle en testant notre modèle sur la base des données d’une enquête menée auprès de 164 citoyens en Allemagne qui utilisent des sites de médias sociaux dans le contexte de l’administration publique. Nous constatons ainsi que la motivation sociale, le contenu généré par les utilisateurs et le contenu généré par les administrateurs publics ont une influence positive significative sur l’attractivité. De plus, l’attractivité a une influence positive à la fois sur l’intention d’utilisation et sur l’intention de bouche à oreille (BàO). Remarques à l’intention des praticiens L’attractivité des sites de médias sociaux des institutions publiques, comme Facebook, est en grande partie déterminée par trois facteurs : les utilisateurs souhaitent se connecter à d’autres utilisateurs et l’attrait du contenu généré par les institutions publiques ainsi que par d’autres utilisateurs. Les données empiriques indiquent qu’augmenter l’attractivité des pages de médias sociaux est un moyen d’inciter les utilisateurs à utiliser plus souvent le site social et à recommander la page à d’autres personnes. Dans ce contexte, les gestionnaires de médias sociaux des sites de l’administration publique doivent s’efforcer de proposer une plateforme ouverte permettant aux citoyens d’échanger des informations et de proposer un contenu intéressant et tourné vers le citoyen.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».