MétaCan
Menu
Retour à la cohorte
Enregistrement W4281756018 · doi:10.3390/su14116576

Blockchain for Governments: The Case of the Dubai Government

2022· article· en· W4281756018 sur OpenAlexaff
Shafaq Khan, Mohammed Shael, Munir Majdalawieh, Nishara Nizamuddin, Mathew Nicho

Notice bibliographique

RevueSustainability · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésBlockchainGlobeGovernment (linguistics)ImplementationPublic sectorBusinessPrivate sectorDeveloping countryEngineeringComputer securityEconomic growthComputer scienceEconomicsEconomy

Résumé

récupéré en direct d'OpenAlex

Blockchain technology is an innovative technology with the potential of transforming cities by augmenting the building of resilient societies and enabling the emergence of more transparent and accountable governments. To understand the capabilities of blockchain, as well as its impact on the public sector, this study conducted a review of blockchain technology and its implementations by various governments around the globe. E-government evolution is analyzed, based on empirical evidence from a Dubai government entity in the United Arab Emirates (UAE), which has utilized blockchain technology for developing end-user services, relevant to the public sector. Benefits achieved and challenges to overcome in such blockchain-based pilot deployments are discussed. The findings of this study offer new insights for practitioners involved in bringing in innovations for the benefit of society, using blockchain technology. Furthermore, it provides insights into policy actions to be developed to address the future challenges and to improve already existing e-government policies. The results of this research will benefit all blockchain-based pilot deployments by providing guidance and knowledge on this immature yet developing technology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0080,006
Communication savante0,0070,006
Science ouverte0,0010,004
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,234
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations65
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207