MétaCan
Menu
Retour à la cohorte
Enregistrement W1989346920 · doi:10.4236/ti.2014.51007

Business Reasoning for Rapid Productization in Small Enterprises

2014· article· en· W1989346920 sur OpenAlexvenueno aff
Kai Hänninen, Matti Muhos, Tuomo Kinnunen, Harri Haapasalo

Notice bibliographique

RevueTechnology and Investment · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBusiness Strategies and Innovation
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development FundTekesUniversity of Maryland
Mots-clésBusinessOrder (exchange)Quality (philosophy)Product (mathematics)Competitive advantageProcess (computing)Set (abstract data type)Service (business)MarketingProcess managementComputer scienceIndustrial organization

Résumé

récupéré en direct d'OpenAlex

In order to succeed, companies must offer quality products and services, ones that are in demand. Rapid productization (RP) is a concept originating from practical challenges expanding customer preferences. RP is a process of quickly supplementing a company’s product or service offering to meet unexpected customer preferences. The objective of this study is to describe how an RP exists in small enterprises and how the use of RP is reasonable. This case study opens the RP concept by clarification of business case objectives set to start RP, analysis of RP challenges and description of business reasoning used for RP in the case companies. Products offered to customers may be a result of cooperation among many companies, while the products are modular, consisting of interlinking elements. When these types of products are well managed, it can be easy to respond to changing customer requirements. This type of RP can be the livelihood of especially small-and medium-sized enterprises (SME). However, the capability of productizing rapidly provides a significant competitive edge also for larger players.

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)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,005
Communication savante0,0080,010
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,015
Tête enseignante GPT0,203
Écart entre enseignants0,188 · 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'étudeQualitatif
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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnology and InvestmentMême sujetBusiness Strategies and InnovationTravaux en français237 207