MétaCan
Menu
Retour à la cohorte
Enregistrement W4291582519 · doi:10.4018/978-1-6684-5235-6.ch010

Uses, Applications, and Benefits of Virtual Reality Technologies in E-Business

2022· book-chapter· en· W4291582519 sur OpenAlexaff
Megan J. Nicol

Notice bibliographique

RevueAdvances in e-business research series · 2022
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCollaboration in agile enterprises
Établissements canadiensUniversity Canada West
Organismes subventionnairesnon disponible
Mots-clésVirtual realityElectronic businessBusiness modelCompetitive advantageBusiness processBusiness caseProcess (computing)Business opportunityProcess managementValue (mathematics)Business process modelingComputer scienceKnowledge managementBusinessMarketingWork in processHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

Ongoing advancements in technology have enabled E-business processes to become more complex, resulting in increased global market access. E-business paired with virtual reality (VR) technologies has further enhanced this process and has provided a promising shift of traditional business models as well as streamlining of operational and business processes. VR enables users to be immersed in simulated environments, which allows organizations to take their E-business platforms to unexplored levels. It provides more value at lower cost, as well as a more engaging platform. This successively improves operational processes through the collection of data from engaged users. VR is predicted to become an essential tool in the business world; however, its use comes with challenges that do not have current solutions. VR brings benefits that create better decision making and value creation for both the organization and the customer. This chapter examines the role of E-business in the global market and how it can be used to create a competitive advantage across all sectors of business.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,927
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,004
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,039
Tête enseignante GPT0,318
Écart entre enseignants0,279 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in e-business research seriesMême sujetCollaboration in agile enterprisesTravaux en français237 207