MétaCan
Menu
Retour à la cohorte
Enregistrement W2971794904 · doi:10.5267/j.msl.2019.9.001

Factors affecting support services in small and medium enterprises: Evidence from Vietnam small and medium information technology enterprises

2019· article· en· W2971794904 sur OpenAlexvenueno aff
Vu Ngoc Xuan, Nguyen Thi Phuong Thu, Ngo Tuan Anh

Notice bibliographique

RevueManagement Science Letters · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEmployee Performance and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessSmall and medium-sized enterprisesInformation technologyIndustrial organizationKnowledge managementMarketingProcess managementComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

To meet the needs of innovation, to improve the competitiveness of information technology based on the professional abilities and resources, internal business is not enough, but there is a need to seek external support through business support services such as market search support, trade promotion, legal advice, human resource training, support supply and technology transfer support.There are several services to support businesses and to increase efficiency when they are developed in both quantity and scale of service provision and quality, as well as service structure.So how do we analyze the factors that affect information technology support services in Vietnam?Answering this question helps to suggest solutions and policies to promote the development of the business support service sector and contributes to the rapid development of information technology enterprises in Vietnam.This paper uses information from a survey data of 315 Vietnamese information technology (IT) of small and medium sized enterprises and 460 support service providers in 2018.Data are processed through STATA software version 14.0, and SPSS 20.0 software.The results indicate the Vietnamese business units need to improve to develop the information technology service market, significantly.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,063
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,016
Tête enseignante GPT0,259
Écart entre enseignants0,243 · 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 source (Gemma direct ou Codex distillé), 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

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetEmployee Performance and ManagementTravaux en français237 207