Measuring the effects of different factors influencing on the readiness of SMEs towards digitalization: A multiple perspectives design of decision support system
Notice bibliographique
Résumé
The development of small and medium enterprises (SMEs) becomes the benchmark and leading position for developing countries’ economies. The digital transformation demands strategies, desires, and awareness of Information Technology (IT)-based market players and investments. Despite the transformation of a digital business platform, many SMEs have stumbled in the middle road. Therefore, this study aimed to determine priority indicators in assessing SMEs’ readiness towards digitalization and evolving a readiness model for SMEs based on the Decision Support System (DSS) approach. Multiple stakeholders’ viewpoints, particularly regarding academicians, governments, investors, market places, and SMEs’ business actors as targeted respondents, were scrutinized quantitatively and qualitatively to verify the proposed factors. The priority weights of factors have been examined from economic and IT perspectives and derived through deploying the Fuzzy Analytical Hierarchy Process (F-AHP) method. This study reveals the rank of measures necessary to assess the readiness of the digital revolution of SMEs. Transaction preparedness in SMEs’ cultural, educational, financial, and technological infrastructure views grows into the principal components during this assessment with 0.30 of vector value, accompanied by marketing and micro-environment at 0.24, management at 0.20, macro-environment at 0.03 and business activities at 0.02, respectively. For the recommendation purposes, the rubric segmented SME fitness into three levels, low, middle, and high performance. The prototype system DSS-SMEsReadiness was then evolved in order to simplify the adoption of the DSS method in the SME performance measurement model. The software analysis demonstrates that this application would assist decision-makers to ascertain SMEs’ readiness to digitalize. The future recommendation provides SMEs and stakeholders with knowledge transfers and acclimatization for taking the appropriate option about their business strategy, management resources, skills, and assistance programs for SMEs. This model attempts to reduce SME digitalization disruptions and achieve a digital business’s growth and sustainability in a nutshell.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».