Guidelines for the development of small and medium enterprises into high-value markets
Notice bibliographique
Résumé
This study aimed to explore the approaches for transforming Small and Medium Enterprises (SMEs) into high-value markets, focusing on constructing a structural equation model of guidelines for the development of small and medium enterprises into high-value markets. The conceptual research framework consisted of one exogenous latent variable, the Value Discovery element, combined with the four endogenous latent variables, Value Development, Value Communication, Value Distribution, and Value Experiences. The study utilized mixed-methodology research, including qualitative research through in-depth interviews with nine experts, a focus group discussion with 11 successful entrepreneurs, and quantitative research through a survey of 500 SMEs in Thailand. The results revealed that SMEs operating in high-value markets are divided into tangible and intangible products, representing 250 respondents from each group. The five elements of the guidelines for the development of small and medium enterprises into high-value markets were found to be of high importance both overall and in each element. The developed SEM model was consistent with the empirical data of five elements with 27 observed variable factors. Furthermore, the hypothesis test results for analyzing the causal influence between latent variables in the SEM model revealed that all six hypotheses were supported at the 0.001 level of statistical significance. The value of the study is beneficial for SMEs who target to do business in high-value markets and can improve their competitiveness, develop unique value propositions, and provide better customer experiences.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».