MétaCan
Menu
Retour à la cohorte
Enregistrement W2094914993 · doi:10.4028/www.scientific.net/amm.58-60.66

An Investigation of Innovation Capability in Small and Medium-Sized Enterprises of China

2011· article· en· W2094914993 sur OpenAlexfundno aff
Qiang Li, Yong Chen

Notice bibliographique

RevueApplied Mechanics and Materials · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensnon disponible
Organismes subventionnairesZhejiang UniversityMinistry of Education of the People's Republic of ChinaInternational Development Research Centre
Mots-clésBottleneckBusinessChinaIndustrial organizationProcess (computing)Manufacturing sectorMarketingOperations managementLabour economicsEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

Over the last decades, small and medium-sized enterprises (SMEs) have grown exponentially and become a key element in China’s economy. The purpose of this paper is to conduct a compararive evaluations of innovation capabilities status of SMEs in China across different sectors. Six dimensions of innovation capability that influence mostly NPD performance of firms are identified, such as technology, organization, strategy, organizational climate, manufacturing and marketing. A practical survey was carried out in the manufacturing industry of Zhejiang Province. We find that in different firm sizes and development stages SMEs have significant disparities in intensity of different capability dimensions respectively. Medium firms has higher scores in all of innovation capability dimensions than small firms. The bottleneck of capabilities in small firms are found in Org_Process, M_C, and MKT_S. All of firms in three stages are consistently adept in MKT_L, Climate_L, and lack in Org_Process; Mature firms exhibit the greatest level in all of innovation capability dimensions, and growing firms and startup firms are lower in sequence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,337

Scores Codex et Gemma par catégorie

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

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 Opus0,026
Tête enseignante GPT0,216
Écart entre enseignants0,190 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations3
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Mechanics and MaterialsMême sujetInnovation and Knowledge ManagementTravaux en français237 207