L'e-gouvernement pour Ia bonne gouvernance dans les pays en développement
Notice bibliographique
Résumé
Les pays en développement accusent encore aujourd’hui beaucoup de retard par rapport aux pays développés concernant l’usage généralisé des technologies de l’information, et en particulier la mise en place de systèmes de gouvernement électronique (e-gouvernement) pour faciliter aux citoyens l’accès aux services gouvernementaux. C’est dans ce contexte que le projet eFez a été conduit entre 2004 et 2009 dans la ville de Fès au Maroc avec l’appui financier du CRDI, le Centre de recherches pour le développement international du Canada. Le but de ce projet était de démontrer qu’un système d’e-gouvernement peut être développé dans le contexte d’une grande ville d’un pays en développement, et utilisé pour soutenir et automatiser les opérations quotidiennes dans un domaine critique : l’état civil. L’équipe du projet eFez a mis au point une approche d’analyse, de développement et d’évaluation structurée des retombées. Le projet eFez a remporté plusieurs prix au niveau marocain (2006), africain (2007) et international (Prix international du Service Public décerné par l’ONU en 2007). Dans les premiers chapitres on présente au lecteur les notions fondamentales et pratiques qui régissent et définissent les systèmes d’e-Gouvernement, la bonne gouvernance et les technologies associées. Les chapitres suivants exposent les résultats du projet eFez et les leçons apprises sous une forme générique (carte de route) généralement applicable dans le contexte des pays en développement. Ce livre s’adresse à toute personne intéressée par le développement et la mise en œuvre de systèmes d’e-gouvernement et l’amélioration de la gouvernance par des technologies de l’information mises au service des citoyens et des administrations locales des pays en développement.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,015 |
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 ».