The impact of firm size on competitive intelligence activities
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
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.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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