Notice bibliographique
Résumé
Social media use around the word is growing rapidly and governments similar to private sector firms are endeavoring to employ social media for a variety of purposes.Current research (McNutt, 2014;Snead, 2013;Chun & Luna Reyes, 2012;Picazo-Vela et al., 2012;Lavender, 2013; Mergel, 2013b) supports the observation that governments use social media as a tool to provide information to the public, to engage with citizens, to improve service delivery, to enhance democratic engagement, to facilitate feedback and comments from citizens, to communicate with stakeholders and to collaborate across organizations.Although the use of social media may bring benefits to governments, successful deployment of these technologies also faces some challenges and barriers, such as an incompatible organizational culture, information security and privacy issues.While researchers have investigated some of the issues concerning these benefits and barriers, there is still a dearth of empirical evidence related to what citizens and employees, as potential stakeholders, want when interacting with different levels of government through social media tools.This study aims to address two important objectives: 1) understanding social media as a phenomenon and its implications for government use; 2) understanding the perceptions of citizens, employees and government senior management in terms of government use of social media.The fundamental research question for this study is, what is the relative importance of the benefits and barriers linked to social media use by governments for different stakeholder groups?I am also thankful to Dr. Gerald Grant and Dr. Ruth
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,063 | 0,013 |
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 ».