MétaCan
Menu
Retour à la cohorte
Enregistrement W3096829392 · doi:10.1108/fs-08-2020-0080

The impact of firm size on competitive intelligence activities

2020· article· en· W3096829392 sur OpenAlexaff
Jonathan Calof

Notice bibliographique

Revueforesight · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCompetitive and Knowledge Intelligence
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésBusinessIntranetSample (material)Competitive intelligenceMarketingProcess (computing)Market intelligenceCompetitive advantageAnalyticsIndustrial organizationKnowledge managementThe InternetDatabaseComputer science

Résumé

récupéré en direct d'OpenAlex

Purpose Given the importance of competitive intelligence (CI) to the economic performance of firms, understanding whether CI practice is impacted by firm size or by their awareness of CI maybe important when creating programs designed to improve firms’ CI performance. This paper aims to address this by examining the extent to which the CI practices of small and medium-sized enterprises (SMEs) and large firms differed using a sample of firms with knowledge/awareness of CI. Design/methodology/approach A survey was developed that included 10 CI organization questions and 67 CI process questions. The survey was sent to a sample with awareness/knowledge of CI – strategic and CI professionals (SCIP) members and individuals who had attended SCIP events T-tests were then used to compare the SME’s and large firms’ responses to the 10 CI organization and 67 CI process questions. Findings For firms with CI awareness/knowledge, the study results suggest that size has very little relationship with CI practice. Of the 10 CI organization variables, only two were significantly different between the SME’s and the large firms. Large firms had more full-time CI staff and were more likely to have a formal intelligence unit compared to the SME’s. Of the 67 CI process variables, only four were significantly different between the SME’s and the large firms. Large firms made more use of company intranet for distributing CI findings use business analytics software and use commercial databases for information than SME’s while the SME’s used social media, in particular Facebook more than large firms, in their competitive intelligence activities. Originality/value This study uses a sample frame of firms with CI awareness/knowledge in examining differences between SME’s and large firms CI practices.

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)0,003
score de la tête « metaresearch » (Gemma)0,027
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 enseignants0,008
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,029
Tête enseignante GPT0,268
Écart entre enseignants0,239 · 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

Citations13
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueforesightMême sujetCompetitive and Knowledge IntelligenceTravaux en français237 207