Assessment of trust level based on 3d models of social relationships factors in public institutions
Notice bibliographique
Résumé
Trust is a key attribute of social cohesion that is a major phenomenon in social relationships. This research aims to trust levels in social relationships and understand how social relationships affect trust levels. This research uses the theory of social relationships as an understanding of the level of trust in modern organizations, the theory of trust based on three dimensions namely trust in information, motives, and competence. Statistical descriptive qualitative research method is used as an approach supported by Delphi analysis, Analytical Hierarchy Process (AHP), and TOPSIS (Technique for Others Preference by Similarity to Ideal Solution). In identifying factors in the social relationship between policy and community, nine social relationship factors were obtained, including Communication (A1); Trust (A2); Cultural (A3); Procedural Justice (A4); Problem-Solving (A5); Transparency (A6); Engagement (A7); Collaboration (A8); Empowerment (A9). On the one hand, in the context of relative importance, the weight value at the criteria level is trust in Information (C1) (19.8%); Trust in Motives (C2) (31.2%); Trust in Competence (C3) (49%). Based on the results of the 3D trust level-based mapping analysis on social relationships, of the nine alternatives there are no factors with complete level (level 5) and Ignorance (Level 1). Overall, there are two alternative social relationship factors with high trust level (level 4), namely Trust (A2) and Collaboration (A8). These findings suggest that social relationship factors, such as trust (A2) and Collaboration (A8), play an important role in increasing the trust value of institutions related to trust from the community.
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 | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».