The influence of information technology, administrative management and knowledge management practices on the success of e-government in Indonesia
Notice bibliographique
Résumé
The high quality of public services is a guarantee for the public of easy and efficient access. Good quality public services can help increase people's productivity, reduce unnecessary bureaucracy, and encourage more active participation from all walks of life. In addition, government transparency serves as the main basis for building a relationship of mutual trust between the government and society. Through the application of information and communication technology, E-Government allows the government to provide public services more efficiently, quickly and easily. This research aims to analyze the influence of information technology, administrative management, and knowledge management practices on the success of E-Government. This type of research is quantitative research using a questionnaire. Respondents were selected using a random sampling method from various groups in the public sector in the DKI Jakarta province. A total of 380 questionnaires were distributed to respondents, and 264 questionnaires were successfully returned. However, there were 21 questionnaires that were not filled in completely. Finally, 243 questionnaires were analyzed further. Questionnaire measurements used a Likert scale of 1 - 7. The data in this study were analyzed using SmartPLS 4 software. The results of this study conclude that the implementation of information technology has a significant relationship with knowledge management practices. However, the relationship between information technology and e-government in this study was not proven to be significant. Administrative management has a significant relationship with knowledge management practices but has no significant effect on E-Government. Knowledge management practices have a significant influence on E-Government and there is interaction between information technology and knowledge management practices, as well as between administrative management and knowledge management practices on E-Government.
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 | 0,004 | 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 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 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 ».