MétaCan
Menu
Retour à la cohorte
Enregistrement W2295122052 · doi:10.5430/bmr.v5n1p1

SMEs and Electronic Commerce: The Case of Istanbul

2016· article· en· W2295122052 sur OpenAlexvenueno aff
Samet Kaşik, Erkut Altındağ, Volkan Öngel

Notice bibliographique

RevueBusiness and Management Research · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessE-commerceReliability (semiconductor)Relation (database)MarketingThe InternetField (mathematics)Field surveyPerceptionKnowledge managementIndustrial organizationComputer sciencePsychologyEngineering

Résumé

récupéré en direct d'OpenAlex

Electronic commerce has been increasingly popular and has become a must tool for the enterprises. Since the Internet had started to be used commonly by all segments of the society, electronic commerce gained a crucial significance as a practical way for people to meet their needs. The main purpose of this study is to examine the perception of and the expectations from electronic commerce by Small- and medium-sized enterprises (SMEs) and to evaluate the effect of the obstacles to e-commerce in the innovation processes and performance. Within this study, the impact of the innovation processes and innovation data sources in the field of electronic commerce on the performance of the enterprises is analyzed. A survey comprising of 50 questions was conducted by the participation of middle and higher level managers of the SMEs in Istanbul. In total, 277 surveys were examined. Reliability and validity of these surveys were checked via SPSS-17 and evaluated by using the methods of factor analysis, correlation analysis, and regression analysis. As a result, it has been confirmed that factors of innovation processes and innovation data sources have a meaningful relation to the performance of companies. Therefore, the importance and necessity of investing in innovation processes and data sources for increasing the company performance are verified by this study.

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)0,003
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,721
Score d'incertitude au seuil0,211

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,175
Tête enseignante GPT0,456
Écart entre enseignants0,281 · 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'étudeObservationnel
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness and Management ResearchMême sujetTechnology Adoption and User BehaviourTravaux en français237 207