A framework for research on e‐learning assimilation in SMEs: a strategic perspective
Notice bibliographique
Résumé
Purpose This study aims to propose an integrative conceptual framework of e‐learning adoption and assimilation that is adapted to the specific context of small to medium‐sized enterprises (SMEs). Design/methodology/approach The literature on the state of e‐learning usage in SMEs and on the IT adoption and assimilation factors that can be specifically applied to e‐learning adoption and assimilation in this context are reviewed. These factors are then integrated within a research framework, and a set of 20 propositions formulated. Findings The paper identifies the technological, organizational and environmental factors that are likely to favor or hinder e‐learning adoption and assimilation in SMEs, as well as the interaction among these factors. Research limitations/implications The integrative framework and the 20 propositions that emanate from it constitute the conceptual foundation for a research program and hypotheses on the adoption and assimilation of e‐learning in SMEs. Practical implications This study offers managers a frame of reference to analyze their firm's situation before initiating an e‐learning program by highlighting key adoption and assimilation factors in the specific context of SMEs. Originality/value This study proposes an integrative conceptual framework of e‐learning adoption and assimilation that is adapted to the specific context of SMEs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,013 |
| Communication savante | 0,006 | 0,011 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».