MétaCan
Menu
Retour à la cohorte
Enregistrement W4256427823 · doi:10.4018/978-1-59904-857-4.ch067

Developing a Generic Framework for E-Government

2008· book-chapter· en· W4256427823 sur OpenAlexaff
Gerald Grant, Derek Chau

Notice bibliographique

RevueIGI Global eBooks · 2008
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueE-Government and Public Services
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésConceptualizationVariety (cybernetics)VisionGovernment (linguistics)Construct (python library)E-GovernmentIdentification (biology)Key (lock)PortfolioCategorizationDeveloping countryPolitical scienceBusinessPublic relationsProcess managementManagement scienceKnowledge managementComputer scienceSociologyEconomicsWorld Wide WebEconomic growthComputer securityFinanceArtificial intelligenceInformation and Communications Technology

Résumé

récupéré en direct d'OpenAlex

Electronic government (e-government) initiatives are pervasive and form a significant part of government investment portfolio in almost all countries around the world. However, understanding of what is meant by e-government is still nascent and becomes complicated because the construct means different things to different people. Consequently, the conceptualization and implementation of e-government programs are diverse and are often difficult to assess and compare across different contexts of application. This paper addresses the following key question: Given the wide variety of visions, strategic agendas, and contexts of application, how may we assess, categorize, classify, compare, and discuss the e-government efforts of various government administrations? In answering this question, we propose a generic e-government framework that will allow for the identification of e-government strategic agendas and key application initiatives that transcend country-specific requirements. In developing the framework, a number of requirements are first outlined. The framework is proposed and described; it is then illustrated using brief case studies from three countries. Finally, findings and limitations are discussed.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,606
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,051
Tête enseignante GPT0,300
Écart entre enseignants0,248 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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

En bref

Citations9
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetE-Government and Public ServicesTravaux en français237 207