MétaCan
Menu
Retour à la cohorte
Enregistrement W3039710798 · doi:10.37380/jisib.v10i2.583

On the relationship between competitive intelligence and innovation

2020· article· en· W3039710798 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Intelligence Studies in Business · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCompetitive and Knowledge Intelligence
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésCompetitive intelligenceMarket intelligenceEmpirical researchKnowledge managementMarketingCompetitive advantagePsychologyBusinessComputer scienceStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Innovation research suggests customer, competitor and market knowledge are important requirements for innovation. Researchers in competitive intelligence (CI) have proposed that there should be a relationship between CI and innovation. Yet despite both fields recognising the need for CI and related areas for innovation in their theories, there have not been many empirical studies that look at CI and innovation and those few studies that do exist have limited focus and have only looked at a small subset of CI variables (for example collection sources). The aim of this study is to examine if there is a relationship between CI and innovation. This was done by surveying Strategic and Competitive Intelligence Professional (SCIP) members and those attending SCIP events, and asking them about their intelligence practices and how innovative their company was. Ninety-five questions were asked about CI structure and organization, intelligence focus, information sources used, analytical techniques used, communication methods, and the management of the intelligence efforts. Of the 95 competitive intelligence measures used in this study, 56 (59%) were significantly correlated with the study’s measure of innovation. The measures within the CI organizational elements and CI management categories had the highest percentage of measures significantly correlated with innovation (90% and 89%). Four of the CI measures had statistically significant correlations above .300. These included the extent to which business decisions in the organization were better facilitated/supported as a result of intelligence efforts (.355), the number of performance measures used in assessing CI’s performance (.322) and decision depth (.313), which is a measure of the number of decisions that utilized CI. As a study of this nature measuring the relationship between CI and innovation has not been conducted previously, the findings can be beneficial to organisations using innovation to succeed in the competitive environment.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,350
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,241
Tête enseignante GPT0,355
Écart entre enseignants0,114 · 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