Notice bibliographique
Résumé
Business relationships have been studied for decades (Wilkinson, 2001). However, the literature has been criticized of the lack of focus on information technology (IT) usage within business relationships (Reid & Plank, 2000). As managers have started to employ digital tools such as the Internet, intranets, and extranets, buyer-seller relationship scholars have realized the need to focus on IT deployment within relationships. There is a growing body of research that focuses on the different types of technologies being employed such as electronic data interchange (EDI) (Naudé, Holland, & Sudbury, 2000), Internet-based EDI (Angeles, 2000), and extranet (Vlosky, Fontenot, & Blalock, 2000) and their influence on business relationships. Nevertheless, mobile technology usage within business relationships is a nascent field of scientific inquiry. Besides buyer-seller relationship literature, mobile commerce (MC) (conducting commercial activities via mobile networks) literature also noticeably lacks academic research on business usage of mobile technology (Okazaki, 2005; Scornavacca, Barnes, & Huff, 2005). By combining these indications for further research from the buyer-seller relationship and MC fields it can be argued that there is a clear call for research in this area. Hence, I aim to bridge some aspects of the identified research gap. The research gap is filled in by discussing bonding within buyer-seller relationships to illustrate how mobile technologies create a novel bond in business relationships. It is acknowledged that some research on the adoption of mobile technology in the business context exists (see e.g., Kadyté, 2005). The paper is organized as follows: First, a brief discussion of the background of business relationships, mobile technologies, and bonding is provided. Then, I highlight how mobile technologies are used within relationships with a case study. After that, future trends in this pertinent area are presented. The paper finishes with a concluding discussion.
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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».