MétaCan
Menu
Retour à la cohorte
Enregistrement W2617207465 · doi:10.5539/ibr.v10n6p189

Identifying and Prioritizing the Contributory Factors to the Early Internationalization of International New Ventures in Halal Food Industry

2017· article· en· W2617207465 sur OpenAlexvenueno aff
Mehran Rezvani, Ali Davari, Nazanin Parvaneh

Notice bibliographique

RevueInternational Business Research · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHalal products and consumer behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInternationalizationBusinessNew VenturesMarketingProcess (computing)International tradeComputer scienceEntrepreneurshipFinance

Résumé

récupéré en direct d'OpenAlex

This study seeks to identify and prioritize the determining factors in the early internationalization of international new ventures in Halal food industry. In terms of nature and objective, this is an applied research employing quantitative methods. The process consists of two steps. First, the most important factors in the early internationalization of new ventures were identified through an inquiry into previous literature. Then, a questionnaire was devised and distributed among 80 managers and experts working in new Halal food ventures. Subsequently, the collected data were analyzed by PLS and SPSS software. Results indicate that factors such as the managerial characteristics, the company features, the network, the industry features, technology, company resources, country features, advertisement and the knowledge as well as Halal brands (form the participants’ perspective) have respectively contributed to the early internationalization of international new ventures in Halal food industry in Iran.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,000
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 Opus0,185
Tête enseignante GPT0,461
Écart entre enseignants0,276 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetHalal products and consumer behaviorTravaux en français237 207