MétaCan
Menu
Retour à la cohorte
Enregistrement W4391062662 · doi:10.5267/j.uscm.2024.1.002

Company performance model of wholesale carrier service companies in Indonesia: Company capability, co-creation strategy, and external business environment

2024· article· en· W4391062662 sur OpenAlexvenueno aff
Edwin Aristiawan, Sucherly Sucherly, Sulaeman Rahman Nidar, Umi Kaltum

Notice bibliographique

RevueUncertain Supply Chain Management · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueService and Product Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessIndonesianNegotiationService (business)Information and Communications TechnologyMarketingGoods and servicesStructural equation modelingProcess managementIndustrial organizationComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

The goal of the study was to assess how Indonesian ICT companies that provide wholesale carrier services can manage the external business environment and improve their performance with the help of their co-creation strategy and corporate skills. Using partial quadratic structural equation modeling (PLS-SEM) to evaluate the research hypothesis, the study concentrated on 45 Indonesian ICT companies offering wholesale carrier services. The outcomes demonstrated how the company's co-creation strategy and capabilities increased its effectiveness and greatly improved its capacity to negotiate the external business climate. According to these results, enhancing organizational capacities and putting co-creation techniques into practice should be Indonesian ICT enterprises' top priorities if they want to improve performance and successfully navigate the external business environment. Involving consumers, users, or other stakeholders in the design and development of digital goods or services is known as the co-creation strategy. It can happen in a lot of different ways, such hackathons, online platforms, workshops, or prototype sessions.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,245
Écart entre enseignants0,224 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetService and Product InnovationTravaux en français237 207