MétaCan
Menu
Retour à la cohorte
Enregistrement W3124725782

Information Systems Effectiveness in Small Businesses: Extending a Singaporean Model in Canada

2005· article· en· W3124725782 sur OpenAlexaffabout
Ana Ortíz de Guinea, Helen Kelley, M. Gordon Hunter

Notice bibliographique

RevueSSRN Electronic Journal · 2005
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueERP Systems Implementation and Impact
Établissements canadiensUniversity of LethbridgeQueen's University
Organismes subventionnairesnon disponible
Mots-clésVendorContext (archaeology)Test (biology)Construct (python library)Relation (database)MarketingKnowledge managementComputer scienceEconometricsBusinessMathematicsGeographyDatabase
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this study, a model of information systems (IS)effectiveness is tested. Developed by James Y. L. Thong and Chee-Sing Yap andtested originally in Singapore, the model is evaluated in the context ofCanadian small businesses. The other aim of this study is to extend theSingaporean model by introducing the additional construct of intention of ISexpansion. Following a discussion of Thong's and Yap's study, the new researchmodel is presented, and several hypotheses are proposed. Data from a cross-sectional survey of 105 Canadian small businesses, all ofwhich used IS, are used to test the hypotheses. These data reveal that theSingaporean model is, on the whole, applicable to small businesses in Canada.In both models, managerial and vendor support are predictors of ISeffectiveness. A few differences do exist between the Singaporean and Canadianstudies, however: unlike the original study, the new model does not support thepositive relation between consultant effectiveness and IS effectiveness.Finally, the Canadian data support only one of the hypotheses regarding theintention of IS expansion. (SAA)

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)0,009
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 enseignants0,050
Score d'incertitude au seuil0,360

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0050,003
Communication savante0,0050,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,013
Tête enseignante GPT0,231
Écart entre enseignants0,218 · 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

Citations10
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetERP Systems Implementation and ImpactTravaux en français237 207