MétaCan
Menu
Retour à la cohorte
Enregistrement W2769784405 · doi:10.13189/aeb.2017.051103

Success Factors of Upgrade Programs of SMEs in a Changing Environment, Resources Dependency Perspective: The Case of Algeria

2017· article· en· W2769784405 sur OpenAlexaff
Boudjemaa Amroune, Michel Plaisent, Taı̈eb Hafsi, Prosper Bernard, Cataldo Zuccaro

Notice bibliographique

RevueAdvances in Economics and Business · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Technological Innovation
Établissements canadiensUniversité de MontréalHEC MontréalUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésDependency (UML)UpgradePerspective (graphical)BusinessOperations managementProcess managementIndustrial organizationMarketingComputer scienceEngineeringSystems engineering

Résumé

récupéré en direct d'OpenAlex

The SME sector is exposed to an arduous and fierce competition to the disadvantage of enterprises that are actually non-competitive. Therefore, the problems of SMEs in developing countries are rich and complex. Algeria isn't immune to these difficult conditions; the SME is exposed to an open and intense environment. Public authorities have developed and have been implementing upgrade programs to promote the SME sector. Thus, the study seeks to find the key success factors of upgrade programs, and explores the dimension of adaptation of SMEs in developing and emerging countries, Algeria is a practical case. The study is theoretical. It aims to determine a theoretical model on the success factors of upgrade programs. The research operates a diverse literature review in emerging and developing countries. To explain this research, we will use the theory of resources dependency. While exploring the literature on upgrade programs in emerging and developing countries; our research was able to theoretically identify different success factors of the upgrade programs. In addition, research has managed to develop a theoretical model on the success factors of the upgrade programs.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,401

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 Opus0,026
Tête enseignante GPT0,246
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'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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Economics and BusinessMême sujetEconomic and Technological InnovationTravaux en français237 207