MétaCan
Menu
Retour à la cohorte
Enregistrement W4386507641 · doi:10.33897/fujbe.v2i2.122

Engaging Customers by Fostering Learning Process and Strategic Flexibility Together in Cellular Sector of Pakistan

2017· article· en· W4386507641 sur OpenAlexaff
Maryam Zeb, A. Sher, Muhammad Awais, Hussaun A. Syed

Notice bibliographique

RevueFoundation University Journal of Business & Economics · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésFlexibility (engineering)BusinessProcess (computing)Order (exchange)Competitive advantageMarketingGlobalizationKnowledge managementBusiness environmentProcess managementIndustrial organizationComputer scienceManagementEconomicsBusiness administration

Résumé

récupéré en direct d'OpenAlex

Globalization has caused immense changes in the business environment and has made difficult for the organizations to respond quickly and effectively to the changing customer preferences. Therefore, organizations that are flexible and are involved in the learning process are able to compete in the modern markets. This research study seeks to achieve the understanding of the contribution of organizational learning along with strategic flexibility to enhance the customer performance in sustaining competitive advantage in a rapidly changing business environment. This allows the organizations to react quickly towards the changing market requirement. Questionnaire was used to collect data. Findings suggested that both the constructs of organizational learning and strategic flexibility help firms to adapt to the changing business conditions in order to satisfy the needs of their customers. The cellular companies in Pakistan call for new approaches to engage customers therefore, managers are required to focus on learning process along with strategic flexibility to respond to the changing market conditions in a timely manner.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,204
Score d'incertitude au seuil0,439

Scores Codex et Gemma par catégorie

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

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 Opus0,034
Tête enseignante GPT0,242
Écart entre enseignants0,208 · 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 tête enseignante, 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFoundation University Journal of Business & EconomicsMême sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207