A Base of Knowledge, Mobile, and Web 2.0 Technologies for Connected E-Government
Notice bibliographique
Résumé
E-Government is an evolving field with continually changing practice and priorities. It is also a global phenomenon, from the richest and most technologically developed nations to the poorer and less technologically developed countries, involving a range of latest Information and Communication Technologies (ICT) and diverse methodologies. In such a dynamic field spanning all sectors of the governments and societies, it is difficult for e-government researchers and practitioners to identify the trends in the e-government activity and learn from previous cases and experiences. In this context, the aim of this chapter is to present an in-depth evaluation of e-government practice and research since 2007, to provide insight on research practicalities and emerging issues in e-government activity, and to identify the trends and technologies. The chapter also focuses on the current mobile and Web 2.0 technologies and examines the practicalities of using mobile technologies in various countries such as USA, Canada, UK, Austria, Japan, and others, as well as the practicalities of Web 2.0 technologies in some domains such as government, regulation, cross-agency cooperation, law enforcement, etc. This chapter presents a framework based on the mobile and Web 2.0 technologies in the context of e-government activity. In addition, the authors propose a framework for a government-people relationship. We hope to make a contribution for researchers, practitioners, policy makers, and people interested in e-government by providing a base of the e-government domain knowledge, practice, and framework. Additionally, the chapter illustrates how the implementation of mobile and Web 2.0 technologies support connected 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 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 ».