MétaCan
Menu
Retour à la cohorte
Enregistrement W4389795582 · doi:10.55057/ijbtm.2023.5.s4.7

Export Barriers Food Product Micro Small and Medium Enterprises Based Leonidou Model in Greater Malang: Literature Study

2023· article· en· W4389795582 sur OpenAlexfundno aff
Mohammad Lukman, Rasheed Mohamed Kutty, Asnul Dahar Minghat

Notice bibliographique

RevueInternational Journal of Business and Technology Management · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensnon disponible
Organismes subventionnairesMcGill University
Mots-clésBusinessSmall and medium-sized enterprisesEnablingProduct (mathematics)Government (linguistics)Industrial organizationMarketingMathematics

Résumé

récupéré en direct d'OpenAlex

There are 762,857 MSMEs in Greater Malang region and 60% of them are in the food sector. They have various types of innovative food products that has the potential to be exported. However, the condition of MSMEs is generally unstable because there are a lot of domestic competition with similar products that is a threat to the survival of MSMEs. Export is an opportunity to overcome this problem. The opportunity for MSME to exports their product are widely open because Indonesia has free trade agreements (FTA) with countries abroad. However, MSMEs in Greater Malang region cannot seize this opportunity. The purpose of the research is to find solutions to export barriers faced by MSMEs in Greater Malang region food products, it is hoped that overcoming these export barriers will help the MSMEs to carry out export. This study uses the Leonidou export barrier classification model, because it is a systematic and comprehensive model. The model can be expanded into several modifiers of the reality of export barriers, including: 1) previous reviewers, 2) referral sources, 3) guidance government sources MSMEs. 4) source from MSMEs. The process of identifying export barriers to MSMEs in Greater Malang region using the inquiry form is a modification, then a validity test is carried out to measure accuracy and reliability to measure the robustness of the research instrument. The data then processed using the SEM-PLS method which is a complex multivariable analysis (many constructs and indicators) simultaneously to build and test the structural equation enabler model and measurement model. The result is a model of Malang food MSME export barriers. Further, this research results are expected to be used practically by the MSMEs to develop their business towards exports. It is also expected to be utilized by the Indonesian policy makers to develop an Internationalization strategy that is more suitable for MSMEs.

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 enseignants0,016
Score d'incertitude au seuil0,326

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,018
Tête enseignante GPT0,259
Écart entre enseignants0,241 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business and Technology ManagementMême sujetSMEs Development and Digital MarketingTravaux en français237 207