An Evaluation of Technology Innovation on the Performance of Indigenous Textile Weaving Firms in Southwestern Nigeria
Notice bibliographique
Résumé
The study evaluated the impact of technology innovation on the performance of indigenous textile weaving firms in south-western Nigeria. Primary data were collected through structured questionnaire administered on indigenous weavers in the study area. Results of correlation analysis showed the relationship between business performance and source of raw material (r=0.17, t=2.84, p<0.01); product innovations (r=0.10, t=1.65, p<0.05); investment in technology innovations (r=0.19, t=3.25, p<0.01); business advisory services (r=0.11; t=1.74, p<0.05); reduction of tax (r=0.11; t=1.73, p<0.05), export incentives (r=0.13; t=2.09, p<0.01); and total capital investment (r=0.21; t=3.55, p<0.01). Factors with negative effect are cost of RD t=3.24, p<0.01); threats by competitors (r=-0.18; t=3.06, p<0.01) and production of quality products (r=-0.09; t=1.64, p<0.05). Regression analysis and its impact on business performance were local marketing, (β=17.95, z=11.18, p<0.01); national marketing, (β=18.35, z=1.64, p<0.01); product innovations, (β=3.17, z=3.03, p<0.01); total capital invested, (β=2.68, z=10.19, p<0.01) and experience in business, (β=2.66, z=2.96, p<0.01). Factors with negative effect were payment of tax, (β=-17.46, z=-21.31, p<0.01); regional marketing, (β=-17.38, z=-18.08, p<0.01); local competition, (β=-16.53, z=-9.02, p<0.01). The study concluded that sale of products in the domestic market; product innovations; total capital invested and years of experience in business were the factors responsible for the resilience and sustenance of indigenous textile weaving firms. However, factors such as payment of tax, sale of products in regional market, local competition, trade liberalization and cost of R&D are the major constraints in the performance of firms in the industry.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».