MétaCan
Menu
Retour à la cohorte
Enregistrement W4319978463 · doi:10.1109/ice/itmc-iamot55089.2022.10033197

Design or Redesign Business Models' Innovation in the Digital Transformation Context

2022· article· en· W4319978463 sur OpenAlexaff
Patrick Ratte, Elaine Mosconi, Leandro Feitosa Jorge

Notice bibliographique

Revue2022 IEEE 28th International Conference on Engineering, Technology and Innovation (ICE/ITMC) & 31st International Association For Management of Technology (IAMOT) Joint Conference · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésDigital transformationContext (archaeology)Transformation (genetics)Business modelComputer scienceModel transformationProcess managementKnowledge managementBusinessWorld Wide WebMarketingArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Organizations face the challenge of determining how they should shape and implement innovations driven by Digital Transformation. They face dilemmas about which innovations and changes are needed or put in place before designing or redesigning their business models. Previous research has helped advance the understanding of the digital transformation journey and the development of new business models based on emerging technologies. However, little research studied the key factors that affect an organization's ability to redesign or design business model innovations. This research investigates the key factors contributing to the design of business model innovations in digital transformation. Therefore, this paper presents a theoretical framework of the main factors related to business model innovation design to theoretically fill this research gap. Transformational maturity, resulting from the organization's dynamic capabilities and digital competencies, and corporate culture, seems to contribute to changes in business processes and models. We present research proposals and a framework to help research and practice consider the main factors related to potential business model design according to the level of transformational maturity and the intensity of interpreneurial culture.

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)0,000
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,883
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,005
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,077
Tête enseignante GPT0,263
Écart entre enseignants0,185 · 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
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE 28th International Conference on Engineering, Technology and Innovation (ICE/ITMC) & 31st International Association For Management of Technology (IAMOT) Joint ConferenceMême sujetDigital Transformation in IndustryTravaux en français237 207