Factors Determining the Access to E-services of Public Institutions in Sri Lanka: A Case Study of Selected Divisional Secretariat Areas in Ampara District
Notice bibliographique
Résumé
Enhancing e-service facilities to the citizens would make it easy for them to access various government and private services. It has currently become an essential aspect of the evolution of public administration. All governments, including those of third world countries, are now trying to improve their e-service delivery. E-service delivery is one of the fundamental mechanisms to enhance quality service delivery with transparency, effectiveness, and efficiency. Sri Lanka has made attempts to deliver e-services in multiple sectors, but many constraints have prevented all citizens from accessing those services. Against this backdrop, this study attempts to investigate the factors that influence the ability of citizens to access the various e-services in selected Divisional Secretariat areas of Ampara district, Sri Lanka. This study was conducted using both qualitative and quantitative research methods during the period from July 2018 to January 2019. The qualitative data were gathered from published books, research articles, and personal interviews, and the quantitative data were gathered through a structured questionnaire and statistical reports of government institutions. The collected data were analysed using both qualitative and quantitative techniques, and results are presented in text, tables and charts format. The findings of the study show that factors such as security, the availability of electronic device facilities, and low cost encouraged citizens to access these services often. Nevertheless, factors like difficulty in understanding e-services and concerns about its security have discouraged people from accessing e-services.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».