Evaluasi Implementasi Government Chief Information Officer (GCIO) dalam Transformasi Digital Pemerintah Kota: Studi Kasus di Kota Batam
Notice bibliographique
Résumé
Penelitian ini menganalisis peningkatan peran Government Chief Information Officer (GCIO) pada Dinas Komunikasi dan Informatika Kota Batam dengan menggunakan pendekatan kualitatif deskriptif. Berdasarkan kerangka teori enam dimensi GCIO menurut Supangkat (2008), penelitian ini mengevaluasi implementasi peran GCIO melalui wawancara mendalam dengan informan kunci, observasi partisipatif, dan studi dokumentasi. Temuan penelitian mengungkap variasi pencapaian yang signifikan antar dimensi, dengan tingkat pencapaian tertinggi pada dimensi mengorganisasi (90%) dan terendah pada dimensi penyediaan (70%). Analisis mendalam mengidentifikasi tantangan kritis dalam koordinasi dengan Organisasi Perangkat Daerah (OPD), dimana 65% OPD merespons permintaan informasi dalam waktu lebih dari tiga hari. Penelitian ini juga mengungkap disparitas antara keberhasilan pembangunan infrastruktur digital dengan optimalisasi tata kelola kelembagaan. Secara teoritis, penelitian ini memperkaya literatur e-government dengan memberikan bukti empiris tentang implementasi GCIO di tingkat pemerintah kota. Secara praktis, temuan penelitian merekomendasikan penguatan model koordinasi GCIO-OPD, capacity building yang transformasional, dan pengembangan arsitektur governance yang adaptif untuk meningkatkan efektivitas transformasi digital pemerintah daerah. Kata Kunci: Government Chief Information Officer, Transformasi Digital, Tata Kelola Informasi, Pemerintah Daerah, 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,006 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; 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 ».