MétaCan
Menu
Retour à la cohorte
Enregistrement W4401634972 · doi:10.1080/13511610.2024.2382824

Antecedents and processes leading to open innovation in SMEs

2024· article· en· W4401634972 sur OpenAlexaboutno aff
Anil Kumar Mishra, Shivendra Kumar Pandey, Ankur Jain

Notice bibliographique

RevueInnovation The European Journal of Social Science Research · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)ChinaMultidisciplinary approachBusinessEconomic geographyRegional sciencePolitical scienceKnowledge managementGeographySociologySocial science

Résumé

récupéré en direct d'OpenAlex

Open Innovation (OI) literature related to Small and Medium Enterprises (SMEs) has often been fragmented, hindering the effective generalisation of findings. We conducted a systematic multidisciplinary literature review to explore OI in the context of SMEs across various regions. OI research in SMEs was most common in Europe, followed by China, Korea, South East Asia, Africa, South America and the Middle East. Surprisingly, very little research has been done in the USA, Canada, and the Indian subcontinent. We aimed to identify the commonalities and regional specifics in the antecedents and processes leading to OI. The review included one hundred research articles from the Web of Science database. Our findings revealed four common antecedents of OI across the firms: Human Factors, Technology, Policy, and Heterogeneity.Additionally, we identified three standard processes that lead to the OI phenomenon: firm-level partnerships, collaboration with academia, and intermediation. Though the antecedents and processes hold across firms of different sizes, human factors, policy and heterogeneity among the antecedents and intermediation as the process holds more significance to the SMEs as a sector. This research has important implications for academia and the industry. Firstly, we have responded to the research gap by increasing the generalisation of results across the regions. Secondly, different stakeholders may look for literature that is directly relevant to them. Thirdly, SME managers need to know the specific attitudes to facilitate OI effectively. Fourthly, the importance of intermediation has been identified as an effective process leading to OI. Finally, we have categorised future research directions under different clusters.

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)0,007
score de la tête « metaresearch » (Gemma)0,045
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 enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,045
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0060,005
Études des sciences et des technologies0,0020,004
Communication savante0,0060,005
Science ouverte0,0010,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,147
Tête enseignante GPT0,426
Écart entre enseignants0,279 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation The European Journal of Social Science ResearchMême sujetInnovation and Knowledge ManagementTravaux en français237 207