Privacy enhancing technology adoption and its impact on SMEs’ performance
Notice bibliographique
Résumé
As society places greater emphasis on information privacy and data protection, organizations are increasingly adopting Privacy Enhancing Technologies (PETs) to safeguard the personal information of their stakeholders. This trend is fueled by growing consumer awareness and the introduction of government regulations aimed at protecting personal data. By implementing PETs, organizations can ensure compliance with privacy regulations and establish trust with their customers. This study aims to deepen the understanding of the determinants of Privacy Enhancing Technology (PET) adoption in small and medium-sized enterprises (SMEs) and its impact on their performance. It focuses on the technology-organization-environment (TOE) model, managerial readiness, firm size, industry sector, and intent to adopt PETs as potential drivers of PET adoption. By using a large-scale survey of 202 Canadian SMEs, the study evaluates the mediating role of intent in the relationship between the TOE model, managerial readiness, and market performance. The results of this study contribute to the growing body of research on PET adoption in SMEs and provide insights for organizations and managers to effectively adopt PETs. The results of this study indicate that technological, environmental, organizational, and managerial readiness have a positive effect on the intention to adopt PETs. Additionally, the intention to adopt PETs was found to have a positive relationship with firm performance. The findings also reveal that the intention to adopt PETs fully mediates the relationship between the four dimensions of readiness and firm performance. These findings highlight the important role that readiness and intention play in the adoption of PETs and its impact on firm performance. This study also found that firm size moderates the relationship between technological and organizational readiness with intention to adopt PETs, as well as the relationship between environmental and managerial readiness with intention to adopt PETs. The study identified the top five factors affecting PET adoption as cybersecurity awareness, perceived cost of adoption, ease of use, perceived benefits, and IT infrastructure. The findings suggest that technological readiness is the most influential of the four dimensions, followed by organizational, environmental, and managerial factors. This study presents crucial considerations for SMEs to evaluate when deciding on the use of PET technologies, as it pertains to practitioners.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».