MétaCan
Menu
Retour à la cohorte
Enregistrement W2320725149 · doi:10.5539/ibr.v9n5p76

Knowledge Management Capabilities and Its Impact on Product Innovation in SME’s

2016· article· en· W2320725149 sur OpenAlexvenueno aff
Mahmoud Saleh Malkawi, As'ad H. Abu Rumman

Notice bibliographique

RevueInternational Business Research · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueOrganizational and Employee Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOriginalityKnowledge sharingValue (mathematics)BusinessProduct (mathematics)MarketingProduct innovationBusiness administrationIndustrial organizationKnowledge managementMathematicsPsychologyComputer scienceStatisticsSocial psychology

Résumé

récupéré en direct d'OpenAlex

<p><strong>Purpose</strong>–This study aims to explore the impact of Knowledge Management Capabilities (KMC), captured by six dimensions, on product innovation in Information Technology (IT) Small and Medium Enterprises (SMEs).</p><p><strong>Design/methodology/approach</strong>– Survey data were collected from 300 managers in (45) IT SMEs located in Jordan. SPSS was employed to analyze the data.</p><p><strong>Findings</strong>–Two key findings emerged: first, among the six dimensions of KMC, only acquisition, sharing, application, and protection were found to be positively associated with products innovation, whereas knowledge creation and storing were not. Second, no significant differences were identified in employees' answers due to company size.</p><p><strong>Research limitations/implications</strong> – This study was restricted to small and medium size enterprises, and therefore, the findings of this study may not be generalized to large enterprises. Additionally, this study was confined to the Jordanian IT sector only, thus, the findings need to be interpreted with cautious as they may not be generalized to other sectors.</p><p><strong>Originality/value</strong> – this study advances our understanding of the nature of the relationship between knowledge and innovation.</p>

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,818
Score d'incertitude au seuil0,259

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,060
Tête enseignante GPT0,378
Écart entre enseignants0,318 · 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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetOrganizational and Employee PerformanceTravaux en français237 207