MétaCan
Menu
Retour à la cohorte
Enregistrement W3212284132 · doi:10.5267/j.uscm.2021.10.009

Innovation and supply chain orientation concerns toward job creation law in micro, small, and medium enterprises export-oriented products

2021· article· en· W3212284132 sur OpenAlexvenueno aff
Endang Purwaningsih, Muslikh Muslikh, Suhaeri Suhaeri

Notice bibliographique

RevueUncertain Supply Chain Management · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessSupply chainSmall and medium-sized enterprisesPrinciple of legalityContext (archaeology)Industrial organizationPopulationEmpirical researchOrder (exchange)Structural equation modelingMarketingCommerceComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

The supply chain of MSME products in the context of export penetration is very important, but MSME actors have not been able to meet all export needs. This study aims to: 1) analyze the supply chain of MSMEs in the context of export penetration in the era of the covid-19 pandemic, and 2) examine the potential of MSMEs to develop in terms of corporate legality, industrial design, and brand registration, as well as the use of digital marketing. This research method was quantitative research with survey approach and normative empirical study. The population of this study was 134 MSMEs, samples from 63 MSMEs in Central Java (Brebes), West Java (Bogor), and the Special Region of Yogyakarta (Bantul). Quantitative data analysis used Structural Equation Modeling (SEM) approach and analyzed with Smart PLS 3.3 software. The results of the study show: 1) the supply chain needs of MSMEs in penetrating the export market in the era of the covid-19 pandemic are very difficult; 2) MSMEs must be able to meet all export needs to create a balanced supply chain, 3) in order to prepare export-oriented MSMEs, they must first motivate and educate, establish policies that support their legality and export management.

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)0,006
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,007
Communication savante0,0060,003
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,026
Tête enseignante GPT0,280
Écart entre enseignants0,254 · 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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetSMEs Development and Digital MarketingTravaux en français237 207