MétaCan
Menu
Retour à la cohorte
Enregistrement W127844944 · doi:10.1504/ijtm.1996.025479

Administrative innovation applied to systems adoption

2014· article· en· W127844944 sur OpenAlexaff
D.H. Drury, Ali F. Farhoomand

Notice bibliographique

RevueThe HKU Scholars Hub (University of Hong Kong) · 2014
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBusinessEarly adopterKnowledge managementCritical success factorProcess (computing)Competitive advantageDimension (graph theory)MarketingProduct (mathematics)Process managementIndustrial organizationComputer science

Résumé

récupéré en direct d'OpenAlex

Innovation has become not only the domain of a few progressive enterprises but the key to survival and success of the many. Innovative changes in management practices can assist in ensuring survival in an increasingly competitive world. The systems in place to manage and administer organizations are critical to exploiting technological, process, and product innovations. This paper examines the adoption and non-adoption of a particular systems innovation, Electronic Data Interchange (EDI). This empirical study of 379 companies compares adopters, adopters-in-process, and non-adopters of EDI. The focus is on the internal characteristics of firms. It is found that larger firms have a knowledge advantage which is a key factor in the adoption process. This knowledge advantage overcomes some of the misconceptions regarding EDI perceived by non-adopters. Further, critical barriers to adoption such as management support, systems cost, and implementation are important, but overcome by adopters, whereas non-adopters have difficulties in these areas. Adopters and non-adopters are compared according to their satisfaction and experience with internal systems. The exception is when implementation issues are involved. Non-adopters' perceptions are found to differ from adopters on this critical dimension. The results suggest that systems innovations may not be consistent with traditional taxonomies of innovations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,846
Score d'incertitude au seuil0,830

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,121
Tête enseignante GPT0,335
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe HKU Scholars Hub (University of Hong Kong)Même sujetTechnology Adoption and User BehaviourTravaux en français237 207