Administració electrònica i interconnexió de fitxers administratius a l'Estat en xarxa.
Bibliographic record
Abstract
Les possibilitats que ofereixen les xarxes permeten posar en marxa diverses aplicacions de gestió per tal d'oferir als ciutadans una gamma amplia de serveis en línia. Però el funcionament òptim de la majoria dels serveis en línia requereix que les dades de caràcter personal puguin compartir-se entre una pluralitat d’entitats que depenen de diversos nivells del govern. Al Canadà, la Constitució federal distribueix el poder de dictar lleis entre el Parlament i el Govern central i les legislatures i els governs provincials. Un gran número de serveis poden requerir informació personal que estigui en possessió d’un o d’altre govern. Aquesta tendència a la col·laboració requereix que es comparteixin dades de caràcter personal. La generalització de les plataformes de compartició d’informació permet situar al ciutadà al centre de les decisions. Provoca, però, interrogants en relació amb la protecció de les dades de caràcter personal en haver de ser compartides entre múltiples instàncies governamentals. L’article exposa el marc jurídic prevalent al Canadà per emmarcar la compartició d’informació personal entre les instàncies governamentals. Més enllà de les comparticions autoritzades pel consentiment atorgat per l’interessat, les lleis imposen o permeten la compartició de dades personals entre les administracions. En la majoria de casos, aquestes comparticions es regeixen per acords, les condicions essencials dels quals estan prescrites per texts legislatius o per polítiques. També s’ha de tenir en compte la necessitat de concebre regles perquè les dades personals, que han d’estar disponibles en tot moment per assegurar la qualitat dels serveis i de les prestacions, estiguin protegides independentment d’on es trobin al si d’un context en xarxa consagrat a les interaccions Estat-ciutadà. S’examinen els models emergents que comporten noves formes de regir la compartició d’informació sobre les persones. Així, es menciona l’àrea de compartició d’un context d’informació en el qual les dades de caràcter personal necessàries per a l’expedició d’un conjunt de serveis en benefici dels ciutadans poden estar disponibles per a diferents entitats. S’examina també el model dels centres d’allotjament de dades de salut i, finalment, s’esbossen les tendències actuals sobre l’aplicació de repertoris i espais personals situats sota el control dels propis usuaris. L’article conclou insistint en la necessitat d’assegurar l’adequació del dret de la protecció de les dades de caràcter personal a les realitats de les xarxes de l’administració electrònica i de concebre lúcidament els drets i obligacions del conjunt de socis de l’administració electrònica.
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 | 0.007 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.016 | 0.010 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.100 | 0.026 |
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".