MétaCan
Menu
Retour à la cohorte
Enregistrement W4385217967 · doi:10.5465/amproc.2023.12172abstract

Co-creation, Dynamic Capability, and Sustainability Performance in SMEs: A Micro Foundational Lens

2023· article· en· W4385217967 sur OpenAlexaff
Sushil S. Chaurasia, Dhirendra Shukla, M. Mazhar Rathore, Manoj Motiani, Kapil Khandeparkar

Notice bibliographique

RevueAcademy of Management Proceedings · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueService and Product Innovation
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésSustainabilityLens (geology)Co-creationBusinessProcess managementDynamic capabilitiesThrough-the-lens meteringComputer scienceOperations managementKnowledge managementEngineering

Résumé

récupéré en direct d'OpenAlex

Despite the critical role of value co-creation and dynamic capability in sustainability performance, value co-creation and dynamic capability lack a holistic approach. So as an alternative theoretical framework, the current investigation combined the elements of the hierarchical and micro foundational views of value co-creation and dynamic capability with an eco-centric taxonomy. The investigation uses the micro-foundational lens to empirically investigate how value co-creation can impact sustainability performance through dynamic capability. Data was collected using a survey from 523 SMEs. Encompassing economic and social welfare logic can be conflicting for resource constrained SMEs, but the investigation found even though economic considerations take precedence, the potential for social and environmental sustainability to impact overall competitiveness is not overlooked. Our findings can help practitioners is identifying micro foundation techniques that are more likely to help in improving SME’s sustainability performance in the ex-ante setting.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,005
Communication savante0,0060,004
Science ouverte0,0000,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,017
Tête enseignante GPT0,285
Écart entre enseignants0,268 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetService and Product InnovationTravaux en français237 207