Digital transformation and competitiveness in Peruvian small business
Notice bibliographique
Résumé
Digital transformation has become fundamental to improving the competitiveness of microenterprises worldwide, and Huancayo, Peru is no exception. By adopting digital technologies, microenterprises can improve their operational efficiency, expand their market reach and enhance their abilities to make informed decisions. They have therefore found innovative ways to adapt to changing market conditions, such as incorporating information technologies, online sales, use of social networks and home delivery. Despite this, many microenterprises struggle to survive due to lack of access to financing and adequate government support. This study aimed to analyze how individual, group and organizational factors influence the digital transformation of microenterprises and its impact on their competitiveness. The research was carried out in a sample of 80 multi-sector microenterprises, using a non-probabilistic and cross-sectional research design of a quali-quantitative and explanatory nature, using SEM-PLS. The results of the study indicate a positive relationship between individual, group and organizational factors and digital transformation, as well as with the competitiveness of microenterprises. The coefficients of determination (R2) obtained were 0.8897 and 0.7931 for digital transformation and competitiveness, respectively, indicating a predictive ability in both cases. These findings are of great use to policy makers, business owners and researchers interested in fostering the growth and development of microenterprises in emerging economies.
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 | 0,001 | 0,000 |
| 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 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».