MétaCan
Menu
Retour à la cohorte
Enregistrement W2337904916

Nigeria SMEs Participation in Electronic Economy: Problems and the Way Forward

2008· article· en· W2337904916 sur OpenAlexvenueno aff
Adekunle, Paul Adesola, Tella, Adeyinka

Notice bibliographique

RevueThe Journal of Internet Banking and Commerce · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueICT Impact and Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndustrialisationThe InternetBusinessSmall and medium-sized enterprisesDigital economyScale (ratio)Developing countryEconomyEconomic systemIndustrial organizationEconomicsEconomic growthMarket economyComputer scienceFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

For both developing and developed countries, small and medium scale firms play important roles in the process of industrialization and economic growth. Apart from increasing per capita income and output, Small and Medium Scale Enterprises (SMEs) create employment opportunities, enhance regional economic balance through industrial dispersal and generally promote effective resource utilization considered critical to engineering economic development and growth. The development of SMEs is seen as accelerating the achievement of wider economic and socio-economic objectives, including poverty alleviation. Unleashing its influence on the way traditional business is conducted hitherto is the phenomenon of electronic commerce (e-commerce). The Internet through its reduction in distance-related costs is seen by many as a potential source of economic revitalization. This Internet economy has continued to grow at an unprecedented rate. Thus, this paper focused on the extent of Nigerian’s SMEs participation in this Internet economy. This will be achieved by considering the conceptual framework of Internet/electronic economy, some applications of Internet/electronic economy, Nigeria SME participation in electronic economy, the benefits and limitations of electronic economy in general, the problems hindering Nigeria SMEs’ participation in electronic economy and finally pointing out the way forward.

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)0,000
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,770
Score d'incertitude au seuil0,149

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,234
Écart entre enseignants0,220 · 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'étudeQualitatif
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

Citations21
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Internet Banking and CommerceMême sujetICT Impact and PoliciesTravaux en français237 207