MétaCan
Menu
Retour à la cohorte
Enregistrement W3205615346 · doi:10.51325/ijbeg.v4i3.78

<b>The Impact of strategic Agility on the</b> <b>SMEs competitive capabilities in the Kingdom of Bahrain </b>

2021· article· en· W3205615346 sur OpenAlexaff
Abdulkareem Ebrahim Seyadi, Wajeeh Elali

Notice bibliographique

RevueEuroMid Journal of Business and Tech-innovation (EJBTI) · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCollaboration in agile enterprises
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésUnderpinningContingency theoryBusinessStrategic planningDynamic capabilitiesResource (disambiguation)Strategic fitContingencyStrategic managementCompetitive advantageContingency planIndustrial organizationBusiness environmentKnowledge managementProcess managementResource-based viewMarketingComputer scienceManagementEconomicsEngineeringBusiness administration

Résumé

récupéré en direct d'OpenAlex

With a highly uncertain and changing business environment, the typical way of ‎planning a business is not particularly useful in different organizations world-‎wide. The current literature explores the concept of strategic Agility based on the ‎idea of flexible planning and implementation and can pivot direction at the time of ‎crises. Three main theories underpinning these concepts are contingency-based ‎theory, resource-based theory, and Dynamic capability theory. These theories ‎have one common point of view: enterprises' ability to cope with unexpected ‎changes, survive unprecedented threats from the business environment, and take ‎advantage of changes as opportunities. The literature has identified various varia-‎bles that impact the adoption of strategic Agility in the organization, including ‎strategic sensitivity, Resource fluidity, and Leadership unity. Some studies in the ‎literature have found these variables as dimensions of strategic Agility. Further, ‎the literature discussed how competitiveness could be achieved through strategic ‎Agility at times of crisis, particularly in SMEs, which are highly prone to external ‎problems due to limited resources and budgets. ‎

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,044
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,036
Tête enseignante GPT0,262
Écart entre enseignants0,225 · 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

Citations18
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuroMid Journal of Business and Tech-innovation (EJBTI)Même sujetCollaboration in agile enterprisesTravaux en français237 207