MétaCan
Menu
Retour à la cohorte
Enregistrement W1527017955

Towards Strengthening Technology Culture amongst MSEs: Evidence from a Field Study in Bangalore, India

2011· article· en· W1527017955 sur OpenAlexvenueno aff
J. Dennis Rajakumar

Notice bibliographique

RevueJournal of Comparative International Management · 2011
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueIndian Economic and Social Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Intervention (counseling)Economic interventionismPsychological interventionState (computer science)BusinessField (mathematics)MarketingEconomicsPolitical scienceComputer sciencePsychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Micro and Small Enterprises (MSEs) contribute a great deal in income and employment generation in India. The MSEs competitiveness is often marred by the level of technology they adopt. Realizing the vital role played by these units in the economy, previous Government of India provided tacit support to encourage them in adopting new technology. This shifted away from the hitherto approach of viewing the technology as the mere generators of employment. While state intervention could harness their growth, the forms of intervention require a careful examination of technology culture amongst MSEs. To explore firms’ tendencies in this regard, a field level investigation was conducted covering a few auto component manufacturing firms based in Bangalore. Availability of skilled labor and ease of finance were found to be the major constraints to technology acquisition and upgradation. While there are a plethora of government sponsored schemes implemented through other formal credit market channels, there are obstacles faced by the units in accessing those credit facilities. Based on the findings, the paper outlines some state interventions that may enhance technology acquisition and upgradation processes amongst the MSEs

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,077
Tête enseignante GPT0,287
Écart entre enseignants0,210 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Comparative International ManagementMême sujetIndian Economic and Social DevelopmentTravaux en français237 207