MétaCan
Menu
Retour à la cohorte
Enregistrement W2413199867 · doi:10.1057/9780230595880_12

Innovative Capabilities as Determinants of Export Performance and Behaviour: A Longitudinal Study of Manufacturing SMEs

2002· book-chapter· en· W2413199867 sur OpenAlexaffabout
Élisabeth Lefebvre, Louis‐André Lefebvre

Notice bibliographique

RevuePalgrave Macmillan UK eBooks · 2002
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésBusinessCompetition (biology)International tradeSmall and medium-sized enterprisesInternational economicsEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Even though small and medium-sized enterprises’ (SMEs) share of world trade still remains much lower than that of larger firms, numerous studies indicate that many SMEs are nevertheless very active abroad, and rely increasingly on the development of foreign markets to ensure corporate growth. For example, SMEs are ‘directly producing about 20 percent of OECD exports and about 35 per cent of Asia’s exports’ (OECD, 1997, p. 7). A report issued by the US Secretary of Trade and Commerce reveals that 70 per cent of all exporting firms were small firms with fewer than 100 employees (Prozak, 1993). SMEs are also the fastest-growing group of exporters in the USA (Axinn et ah , 1994, p. 49). A similar trend is observed in Canada, where the number of SMEs involved in export activities doubled in the six-year period from 1986 to 1992 (Industry Canada, 1996). In the future, SMEs are likely to be even more exposed to international competition (Reynold, 1997; OECD, 1997). These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnelmedium
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,049
Tête enseignante GPT0,241
Écart entre enseignants0,192 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

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

Citations65
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePalgrave Macmillan UK eBooksMême sujetFirm Innovation and GrowthTravaux en français237 207