L’effet de l’utilisation des outils de réseau social par les sites gouvernementaux sur la transparence et la participation du public
Bibliographic record
Abstract
La présente étude examine l’utilisation des outils de réseau social par les sites gouvernementaux dans les États américains et son incidence sur la transparence gouvernementale et la participation du public. Pour ce faire, des données ont été colligées auprès des sites des gouvernements des cinquante États américains et du district de Columbia. Ces données étaient liées à l’usage fait, par les sites Internet des gouvernements étatiques, des outils de communication en ligne que sont Twitter, Facebook, YouTube, Flickr, LinkedIn, Vimeo, des fonctions courriel, blogue et clavardage, de même que des boîtes à suggestions et des technologies mobiles de visualisation de pages Web. Les résultats indiquent que la majorité des sites ont recours aux courriels, à Twitter et Facebook et que très peu usent du blogue, de LinkedIn et de Vimeo. Le niveau de mise à jour et d’activité des sites gouvernementaux ainsi que la rapidité dans les réponses aux demandes d’information ont également été analysés.
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 | 0.008 | 0.040 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".