Internal IT Knowledge and Expertise as Antecedents of ERP System Effectiveness: An Empirical Investigation
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
Abstract The literature shows that contingency factors such as organizational culture and structure, organization size, top management support, external expertise, and internal support are critical for the effectiveness of Enterprise Research Planning (ERP) systems in adopting organizations. Research on the effect of in-house computer and information technology (IT) knowledge and expertise on the success of such packages is rare. The purpose of this study was to explore the influence of computer/IT skills as antecedents of ERP system effectiveness. Using relevant theoretical foundations, a research model was developed to test eight relevant hypotheses. Data was collected in a cross-sectional field survey of 109 firms in two European countries. The partial least squares (PLS) technique was used for data analysis. The PLS results confirmed six out of the eight hypotheses. The study's conceptualization supported the view that in-house computer/IT skills are indeed pertinent to ERP system success in adopting organizations. The research implications for practice and research conclude this study. Keywords: computer knowledgeEnterprise Resource Planning (ERP)ERP post-implementation successERP system effectivenessIS success evaluationIT professionals' skillsStructural equation modeling ACKNOWLEDGEMENT The author appreciates the efforts of Prof. Birger Rapp, Airi Ifinedo, and Dr. Klas Sundberg in collecting useful data in Finland and Sweden. The author thanks all the participants associated with this research study. Special thanks go to C. M. Ringle, S. Wende, and A. Will for the use of their software, SmartPLS 2.0. The author is grateful to the Editor-in-Chief of JOCEC, Prof. C. Holsapple and three anonymous reviewers for the valuable comments and suggestions that helped to improve the overall quality of an earlier draft of this paper.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle