MétaCan
Menu
Retour à la cohorte
Enregistrement W1991095690 · doi:10.1108/14626000410519074

Customer dependency in manufacturing SMEs: implications for R&D and performance

2004· article· en· W1991095690 sur OpenAlexaffabout
Louis Raymond, Josée St‐Pierre

Notice bibliographique

RevueJournal of Small Business and Enterprise Development · 2004
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésBusinessProfitability indexIndustrial organizationCustomer baseDependency (UML)ProductivityDiversification (marketing strategy)Customer profitabilityMarketingCustomer retentionService qualityFinanceEconomicsService (business)

Résumé

récupéré en direct d'OpenAlex

In the now global business environment, SMEs are being subjected to increased pressures. In the manufacturing sector in particular, increased requirements for information and knowledge management, innovation, quality, and flexibility within new organisational forms such as the network enterprise entail organisational developments that can affect critical business processes, R&D in particular, and business performance. Hence, the customer dependency of manufacturing SMEs on certain important customers or the absence of diversification in their customer base can have significant impacts on the R&D activities, the productivity, and eventually the profitability of these organisations. Through an empirical study of 179 Canadian SMEs, it was found that more commercially dependent firms allocate more financial and human resources to product R&D. These firms are also less productive in that they have relatively fewer sales per employee. While customer dependency seems to negatively affect the SMEs’ profitability, firms whose product R&D activities are more intense report significantly higher gross margins. R&D activities could allow manufacturing SMEs to counter the influence of their major customers, by reversing the direction of commercial dependency, and thus to reduce their vulnerability.

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)0,001
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,028
Tête enseignante GPT0,234
Écart entre enseignants0,207 · 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

Citations43
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Small Business and Enterprise DevelopmentMême sujetInnovation and Knowledge ManagementTravaux en français237 207