L'e-gouvernement pour Ia bonne gouvernance dans les pays en développement
Bibliographic record
Abstract
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.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.015 |
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; both teacher heads agree on what is shown here.
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".