Le « e-readiness » suscite-t-il un recours accru au gouvernement électronique ? Éléments d'information issus du gouvernement électronique central coréen
Bibliographic record
Abstract
Les indices de la capacité des pays à intégrer les TIC (appelés « e-readiness ») mesurés par l’accessibilité et les offres de contenu sont régulièrement utilisés dans les évaluations des sites de gouvernement électronique. Nous présentons des données empiriques extraites de quatre indices de e-readiness (comme l’accessibilité, les informations électroniques, les requêtes électroniques et la participation électronique) et des données sur le parcours de navigation des sites Web des unités du gouvernement central coréen de 2003 à 2005 pour déterminer si le e-readiness suscite un recours accru aux sites de gouvernement électronique. Nous allons voir que seul l’indice relatif aux informations électroniques présente une corrélation significative avec l’utilisation des sites Web et que la majorité des variations dans l’utilisation sont attribuables à des effets propres aux unités, comme la nature du service public qu’elles offrent. Nos observations indiquent également que l’indice d’accessibilité ne doit plus être considéré comme un facteur déterminant pour évaluer les sites Web du gouvernement électronique et que les évaluations du contenu du gouvernement électronique traditionnelles axées sur l’offre peuvent produire des informations trompeuses sur l’évolution du gouvernement électronique. Remarques à l’intention des praticiens Les évaluations du gouvernement électronique traditionnelles axées sur l’offre ne représentent pas toujours les besoins réels des citoyens et leur utilisation réelle des services de gouvernement électronique. Le déploiement du gouvernement électronique à l’échelle de plusieurs unités doit tenir compte de la nature des services publics offerts par chaque unité.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".