MétaCan
Menu
Retour à la cohorte
Enregistrement W4402452708 · doi:10.11159/cist24.148

Analysis of the impact of technological advances and new trends on Digital Transformation strategies

2024· article· en· W4402452708 sur OpenAlexvenueno aff
Roa Aleid, Faisal Almisned

Notice bibliographique

RevueProceedings of the World Congress on Electrical Engineering and Computer Systems and Science · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Development and Digital Transformation
Établissements canadiensnon disponible
Organismes subventionnairesStrong
Mots-clésDigital transformationTransformation (genetics)Computer scienceData scienceSystems engineeringEngineeringWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

In recent years, technology has rapidly changed corporate processes across industries.This research examines how technical advances affect Digital Transformation initiatives to give practitioners and scholars a nuanced view.This research analyses the key themes driving Digital Transformation projects and the obstacles organizations face in responding to this dynamic environment through a comprehensive literature review.The research defines Digital Transformation in the context of modern business practices, emphasizing its technological, organizational, and cultural components.The research shows how technological improvements drove this transition and why firms must use them for sustainable growth and competitive advantage.This research examines how technological innovations affect Digital Transformation strategy design and execution using case studies, industry reports, and academic literature.It reveals complex links between technical trends like AI, IoT, and Blockchain and organizational change and innovation.It also emphasizes the necessity for a flexible and adaptable Digital Transformation strategy to capitalize on emerging trends and mitigate risks.The research offers practical advice for firms starting or improving their Digital Transformation journeys.

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)0,004
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,001
Communication savante0,0050,006
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,013
Tête enseignante GPT0,212
Écart entre enseignants0,199 · 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'étudeSans objet
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Electrical Engineering and Computer Systems and ScienceMême sujetEconomic Development and Digital TransformationTravaux en français237 207