Patterns of B2B e‐commerce usage in SMEs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The purpose of this paper is to identify the B2B e‐commerce (B2BEC) usage patterns of North American small‐ and medium‐sized enterprises (SMEs) in their supply chains, the contextual factors that influence usage patterns, and the subsequent effects of these patterns on firm performance. Design/methodology/approach The authors conducted an online survey of North American SMEs and obtained 229 responses. They utilized several statistical methods, including cluster analysis and profile analysis, to test five hypotheses. Findings The TOE framework, supplemented with interorganizational factors, provides a valid theoretical guideline to study firms' B2BEC usage patterns. Three distinct types of B2BEC usage patterns – E‐Limiteds, E‐Leaders, and E‐Laggards – emerged. Different sets of contextual factors contribute to the formation of these three patterns of B2BEC adoption. Higher levels of B2BEC usage result in stronger firm performance. Research limitations/implications Future clustering variables could be more specific. The effects of other potential contextual factors should also be explored by future studies. This study can be replicated in other countries to determine whether the findings can be generalized. Practical implications In light of the potential performance improvements that B2BEC adoption offers, managers should assess the risks associated with maintaining their current speed of e‐business deployment versus the risks associated with escalating it. Organizations that have been more reactive should consider how well or ill their sluggish approach prepares them for navigating the inevitability of increasing sophistication in supply chain management. Originality/value Limited empirical research exists on the B2BEC usage patterns of North American SMEs, the contextual factors that motivate them to adopt different B2BEC technologies in their supply chains, and how each of these usage patterns affects their performance. The current study contributes to the literature by shedding light on these issues.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle