MétaCan
Menu
Retour à la cohorte
Enregistrement W3019528307 · doi:10.33262/concienciadigital.v3i1.2.1165

Usos y beneficios de las aplicaciones móviles en las empresas de la ciudad de Riobamba

2020· article· es· W3019528307 sur OpenAlexvenueno aff
Jimena Catalina Viteri Ojeda, Carmita Efigenia Andrade Álvarez, Nakira Pamela Valencia Ortiz, Christian Andrés Castro Viteri

Notice bibliographique

RevueConcienciaDigital · 2020
Typearticle
Languees
DomaineSocial Sciences
ThématiqueCommunication and COVID-19 Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceGeographyArt

Résumé

récupéré en direct d'OpenAlex

En evidente los cambios tecnológicos que se han dado a nivel mundial en diversas áreas en las últimas décadas, y el mundo empresarial no es la excepción. El acceso a las nuevas tecnologías de información y comunicación ha permitido una interacción dinámica entre la relación empresa-cliente, especialmente en el ámbito de versatilidad respecto al incremento exponencial en el uso de los dispositivos inteligentes móviles, tablets, celulares facilitando el empleo de las aplicaciones móviles, las actualmente se han convertido en herramientas de gran apoyo para la realización de procesos y tareas rutinarias. En el presente escrito se determinaron cuáles son los mejores beneficios que brindan el empleo de aplicaciones móviles más comunes utilizadas en las empresas públicas y privadas de la ciudad de Riobamba, tanto para las empresas como para los clientes o usuarios; para ello se utilizó una metodología exploratoria con una muestra probabilística a través de un muestreo aleatorio simple. Las principales tendencias mundiales se ponen en evidencia en los resultados obtenidos a través de las encuestas. Cabe recalcar que existe una amplia utilización y preferencia en el uso de aplicaciones en las versiones no empresariales; sin embargo, estas herramientas fomentan la fidelidad por parte de los clientes y el sentido de pertenencia por parte del personal de las empresas, a la vez que facilita la comunicación interna en las organizaciones.

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)0,004
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 enseignants0,237
Score d'incertitude au seuil0,472

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,357
Écart entre enseignants0,333 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConcienciaDigitalMême sujetCommunication and COVID-19 ImpactTravaux en français237 207