Novel Modeling of Parameters Related to Intra-Firm Diffusion Innovation
Notice bibliographique
Résumé
In this paper, we present a novel intra-firm diffusion model to predict the variation of Penetration Level (PL) with the Intensity of Use (IU) and Speed of Adoption (SA) with respect to information and communication technologies (I.C.T) within Tunisian Small Medium Enterprises (SMEs). The study was motivated by the work of Youssef et al., (2014), and its inspired data scope/range. The method of modeling focuses on optimization and non-linear regression. The first model has the capacity to compute the variation of PL with IU. However, this first model was modified to a second model through transformation in order to derive physical meaning to the parameters. The modified second model shows a quasi-vertical curvature which approximates the reciprocal of hyperbolic tangent. The Variation of PL with the SA was computed using the second model which estimated the parameters with the variables explaining about 62% variation in PL with SA χ2=0.0655, R2=0.61651 . We further formulated a third model to predict correlation of SA with PL, while imposing boundary assumptions to avoid problems of divergence; with the final model having a PL as the only adjustable parameter. The model exhibited a plateau effect at points (0.9933,0.4373) and (0,0) between two steeply vertical asymptotes at -0.06105 and 1.0013, respectively. The developed model can be useful for eliciting information when data from different countries (or surveys) are compared for same or different span time through examining the behavior of the parameters, especially after Covid-19 era.
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 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 | 0,019 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».