MétaCan
Menu
Retour à la cohorte
Enregistrement W4405333084 · doi:10.37380/jisib.v14.si1.2413

International Market Selection Decisions – A big data artificial intelligence approach

2024· article· en· W4405333084 sur OpenAlexaff
Jonathan Calof, Wilma Viviers

Notice bibliographique

RevueJournal of Intelligence Studies in Business · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Business and FDI
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésBig dataBusiness intelligenceAnalyticsBusiness analyticsData scienceSelection (genetic algorithm)Process (computing)Intelligence analysisData analysisComputer scienceBusinessKnowledge managementMarketingData miningBusiness modelArtificial intelligenceComputer securityBusiness analysis

Résumé

récupéré en direct d'OpenAlex

This article examines the role of big data analytics (BDA) in international market selection (IMS) decisions. It is based on a study of South African companies that used the TRADE-DSM (Decision Support Model) big data analytics tool to help in making these decisions. While there is much theory on the potential use of big data analytics and artificial intelligence for international business in general and international market selection decisions in particular, there is very little research on how these tools are used when making this important decision. This article reports on a study that examined: whether big data analytics was used in making international market selection decisions, how important it was relative to other sources of information; how it was used in the international market selection decision-making process; and what factors led to acceptance of big data analytics output. Results from the surveys and interviews both with those who generated the TRADE-DSM reports and the users of the reports (the decision-makers) are presented to provide deeper insights into the role of big data analytics in international market selection decisions. The results showed that while big data analytics is very important (rated third-highest information source), it is one of many sources of information used in the process and that human sources (visits to the market, attendance at trade shows and conferences) are considered the most valuable. Regarding what prompts the acceptance of big data analytics in the international market selection process, the study found that knowledge of the system, trust in the person providing the report and the relationship between the person providing the report and the decision-maker are the most important factors.

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)0,017
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0100,011
Études des sciences et des technologies0,0030,005
Communication savante0,0140,010
Science ouverte0,0030,004
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,221
Tête enseignante GPT0,368
Écart entre enseignants0,147 · 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'étudeSimulation ou modélisation
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 revueJournal of Intelligence Studies in BusinessMême sujetInternational Business and FDITravaux en français237 207