Development of a Digital Performance Assessment Model for Quebec Manufacturing SMEs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The digitalization of industries is at the heart of today’s global economy. However, there seems to be a lack of knowledge about the most effective method for initiating a digital transformation in Small and Medium-Sized Enterprises (SME). In the context globalization and shortages in labors, access to goods, services and skills, the need for SMEs to face the competition becomes a crucial issue. This research attempts to develop a model, based on a literature review and case studies, in order to evaluate digital performance as well as to study the assumption that some parameters of the model, such as Leadership, Culture and organization and Data management for example, have different impacts on the performance of SMEs. A literature review and an 80-hour questionnaire-based methodology and field interviews allowed to evaluate the impact on business performance of the different notions revolving around the topic of digital transformation. The results show that the most significant parameters that tend to augment the digital performance and thus help to foster a digital transformation in SMEs are mainly the management commitment and exemplarity (28%), the acquisition and development of skills (26%), the digital architecture (42%), the automation (42%), the quality of data (42%) and the use of the e-commerce (42%). The purpose of this study is then to target those important elements that have the most effect on the performance of small and medium-sized manufacturing companies, with the aim of guiding efforts and investments both in academia and in the real world.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle