Blockchain Technology Adoption in Canadian Pharmaceutical Sectors: An empirical analysis for a future outlook
Notice bibliographique
Résumé
There are many calls in the literature to investigate the Blockchain technology adoption (BCT) in Canadian Organizations and its impact on boosting enterprises' competitive advantages. Although the literature requires more research cases, it is more timely and relevant that the analysis be done as early as today. Various empirical supports for Technology Acceptance Model (TAM) are available depending on situation specifics. TAM remains a widespread and convenient theoretical framework for examination of aspects contributing to technology acceptance. This study aims to find the driving forces that effectively illustrate the blockchain technology adoption in Canadian Pharmaceutical Organizations and to be able to face the challenges associated with the process of adoption. This study examined BCT application using contacts from Canadian Companies Capabilities directory (CCC) and applied SEM regression using AMOS software with 750 respondents from pharmaceutical businesses using TAM framework. Path analysis results were good: chi2 (4918.592), chi2 / DF (5.513), RMSEA (0.049), CFI (0.753), and TLI (0.804). Perceived ease of use, Perceived Usefulness, attitude towards use, and intention to use predicted BCT utilization, yet two relationships (i.e., PEOU->PU and PU->IU) were rejected in the tested model as they show negative conformity results. All components explain more than 50% of variation, hence presenting a reasonable fit between the data examined and the research model. These findings will help in understanding of pharmaceutical organizations' adoption of BCT for researchers, regulators and developers and providing supported evidence on factors contributing to the adoption of BCT in Canadian Organizations.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».