A study on the success factors for knowledge management in supply chains of electronics industry
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
This research aimed to 1) study the success factors for knowledge management through electronics industry supply chains, and 2) study guidelines and recommendations regarding the success factors for knowledge management through electronics industry supply chains. The study employed the quantitative research methodology. The statistical devices used included frequency, percentage and Structure Equation Modeling (SEM). The population and sample group comprised executives of the electronics industry in the electronics and electrical appliances sector in Thailand. The results revealed that the factors regarding the information technology system, leadership support and knowledge management had positive effects on the success of the knowledge management through electronics industry supply chains with the statistical significance (β) of 0.519, 0.621 and 0.448, respectively. However, the factors regarding human resource management affected the success of the knowledge management negatively at the statistical significance of 0.323. As for the effects of variables on the success of the knowledge management, it was found that the factors with the most positive indirect effects (IE) and total effects (TE) were those regarding 1) leadership support (IE = 0.278, TE = 0.278), 2) information technology system (IE = 0.233, TE = 0.233), and 3) knowledge management, which had a positive direct effect (DE) at 0.448 and a total effect (TE) at 0.448. However, the factors regarding human resource management had a negative indirect effect (IE) on the success of the knowledge management at -0.145.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle