Government-Owned Digital Services to Overcome the Spread of COVID-19, Case in Indonesia
Notice bibliographique
Résumé
The Indonesian government faces challenges in running public services during the COVID-19 pandemic, the pressure to implement digital-based service solutions so that public affairs within the government-run.Our research analyzes social media discourse to understand the joint production of digital-based public services during the COVID-19 pandemic.Our research uses a qualitative method, using a netnographic method approach that is referenced from the Twitter social media data set and analyzed using discourse as a flow to analyze citizen responses to the contact tracer application (CTA) (pedulilindungi.id) owned by the Indonesian government through the Ministry of Health of the Republic of Indonesia in minimizing risks.Our research contributes to the accountability sector for digital-based public services.It provides a scientific understanding of public trust in influencing the development of coproduction of digital-based services.This study found a high public sentiment toward the care protection application and a lack of trust in the government's actions in overcoming the COVID-19 problem, especially running CTA.Public responses from Twitter users express disappointment and doubt that data is always not updated.In addition, the digital divide is a problem faced by the public, who have little understanding of the care-protected application services.In the end, we realized that this research has limitations in capturing the public's response directly outside social media to implement digital-based service co-production.We recommend further research to see the public reaction from other approaches, such as social media outside of Twitter.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».