Factors Affecting the Adoption of Ict on Project Planning in the Nigerian Food and Beverage Industry
Notice bibliographique
Résumé
This study identified the nature of Information and Communication Technology (ICT) adopted on project planning activities and examined the factors affecting the adoption of these ICT on project planning in the Food and Beverage Industry in Nigeria. The study was carried out through the use of questionnaire and interview schedule to a total of forty five (45) respondents across ICT, Production and Project departments of food and beverage firms in southwestern Nigeria. This was used to elicit information on the factors affecting the adoption of ICT in the industry. Data collected were analysed using both descriptive and inferential statistics. The study revealed that the major ICT adopted by food and beverage firms in Nigeria were Enterprise resource planning (4.48), Product lifecycle management (4.29), Customer Relationship Management (4.19), Supply Chain Management (4.34), Management Information Systems (4.38), Portable Data Collection Hand Held (4.65), Virtual Private Networks (4.53), Internet and e-mail (4.77). All of these ICTs had a mean rank of 4.00 and above on a 5 point-likert scales.Three factors were identified to influence ICT adoption. These include Human Resource capacity (52.8%), level of ICT investment (47.2%) and ICT competency (69.4%). Furthermore, regression analysis showed that level of ICT on Investment (r = -.425**: p<0.05) and Employee Competency (r = -.634**: p<0.05) are factors which had significant influence on ICT adoption in the project planning activities of the firms. In conclusion, the study revealed that Level of ICT investment and employee ICT competency are factors that significantly influence the adoption of ICT in the selected firms. These factors were found to be critical hindrances to ICT adoption in Nigerian food and beverage 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 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 | 0,002 | 0,010 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».