MétaCan
Menu
Retour à la cohorte
Enregistrement W4386036982 · doi:10.5267/j.ijdns.2023.8.018

Investigating the resilience of micro, small and medium enterprises in entering the digital market us-ing social media: Evidence from Aceh province, Indonesia

2023· article· en· W4386036982 sur OpenAlexvenueno aff
Srinita Srinita, Jumadil Saputra

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessSmall and medium-sized enterprisesProduct (mathematics)Promotion (chess)Nonprobability samplingWorkforcePopulationProductivitySocial mediaMarketingGovernment (linguistics)Product marketingEconomic growthMarketing strategyEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Technological developments are increasingly sophisticated, so micro, small and medium enterprises (MSMEs) must maintain their business through digital markets. The main problem faced by MSMEs in Aceh province is the lack of use of social media as a medium for promoting or selling products online. Thus, this study analyzes the MSMEs' product marketing model, determines the factors that influence MSME labor productivity, and determines MSMEs' resilience strategies in entering the digital market. The research location is Aceh Province which consists of 23 districts/cities. The population in this study were all MSME actors in Aceh Province who were spread across districts/cities, using a purposive random sampling technique. The samples in the study were related agencies and MSMEs actors in Aceh Province, which are spread across 13 regencies/cities, namely Banda Aceh, Sabang, Lhokseumawe, Subulussalam, Langsa, Aceh Tamiang, East Aceh, North Aceh, Central Aceh, West Aceh, Aceh Singkil, Aceh Besar and Aceh Jaya. The results of the study show that (1) the marketing model that is used effectively is the marketing mix, namely the marketing mix, (2) the productivity of MSME workers is influenced by the level of education, age, work experience, gender and expertise or skills possessed by the workforce, (3) The MSMEs resilience strategy is dealing with the digital market can be pursued through government policies by providing training or assistance to business actors to increase product innovation and increase promotion or product sales online through various types of social media, such as Instagram, Facebook, WhatsApp, and market places other.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,049
Tête enseignante GPT0,313
Écart entre enseignants0,264 · 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'étudeObservationnel
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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetSMEs Development and Digital MarketingTravaux en français237 207