E-DEVLET GELİŞMİŞLİK ENDEKSİ İLE İLGİLİ YAYINLARIN GÖRSEL HARİTALANDIRILMASI VE BİBLİYOMETRİK ANALİZİ
Notice bibliographique
Résumé
Bu çalışma, E-Devlet Gelişmişlik Endeksi (EGDI) ile ilgili literatürün gelişimini ve eğilim trendlerini bibliyometrik analiz yöntemi ile incelemeyi amaçlamaktadır. Bu amaç doğrultusunda 2003-2024 yılları arasında Scopus veri tabanında yer alan 269 çalışmanın verileri derlenerek VOSviewer analiz programı ile haritalandırılmıştır. Elde edilen veriler, anahtar kelimeler, ülkeler, yazarlar gibi bazı ölçütler çerçevesinde incelenerek eğilimler ortaya çıkarılmıştır. Yapılan araştırma sonucunda EGDI ile ilgili üretilen yayınların 2011 yılında yoğunlaştığı, EGDI'deki çalışmalara en fazla destek veren ülkenin Çin olduğu; en fazla yayının Toronto Üniversitesinden yapıldığı, Ali Q; Cunha, M.A; Janowski, T; Kawula J. D.; Khan, M.Y.I.; Lv, B.; Marino, A.; Martins, J.; Murphy, E.; Nielsen, M. M’nin en fazla katkı yapan yazarlar olduğu ortaya konulmuştur. Çalışmalarda en fazla kullanılan anahtar kelimeler ise “E-devlet” (n=33), “elektronik yönetim” (10), “e-ticaret” (8), “e-değerlendirme” (8), “internet” (5), “e-yönetim” (59) olarak tespit edilmiştir. En fazla atıf alan yayın, 521 atıf ile Tang, Karen vd. tarafından yapılmıştır. Çalışma kapsamında elde edilen bu sonuçlar ile araştırmacılara E-devlet çalışmalarına yönelik teorik bir zemin sunulması planlanmaktadır.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,011 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».