La détection d’opportunités internationales dans un environnement incertain : le rôle des capacités digitales et de l’agilité organisationnelle des PME
Notice bibliographique
Résumé
Cette recherche s’intéresse au processus d’identification des opportunités internationales chez les petites et moyennes entreprises (PME) pendant la crise sanitaire de la Covid-19. L’objectif de cet article est d’étudier l’impact des capacités digitales et de l’agilité organisationnelle sur la détection d’opportunités internationales en prenant en considération le rôle modérateur de l’incertitude de l’environnement. Une étude quantitative par le biais d’un questionnaire a été conduite auprès de 146 PME tunisiennes. Les résultats obtenus montrent que les capacités digitales et l’agilité organisationnelle affectent positivement la détection d’opportunités internationales. Nous soulignons également qu’un environnement incertain et turbulent peut affaiblir la relation entre les capacités digitales et l’identification des opportunités d’exportation. Ainsi, nous contribuons à la littérature sur l’internationalisation des PME en proposant un modèle qui prend en compte plusieurs facteurs clés dans la détection des opportunités à l’international. Notre étude offre de nouvelles perspectives managériales pour soutenir le développement d’un couplage entre les capacités digitales et les capacités managériales agiles afin de déterminer et favoriser la détection d’opportunités internationales dans les PME.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».