MétaCan
Menu
Retour à la cohorte
Enregistrement W4406209151 · doi:10.1111/1911-3838.12386

What Are the Performance Indicators for Successful New Product Development Projects in <scp>Small and Medium‐Sized Enterprises</scp>?*

2025· article· en· W4406209151 sur OpenAlexaffvenueabout
Caroline Blais, Josée St‐Pierre

Notice bibliographique

RevueAccounting Perspectives · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversité du Québec à Trois-RivièresUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésBusinessVariety (cybernetics)Identification (biology)Resource (disambiguation)Process (computing)Quality (philosophy)Product (mathematics)New product developmentSmall and medium-sized enterprisesProcess managementPerformance indicatorMeasure (data warehouse)Industrial organizationMarketingOperations managementComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT New product development (NPD) has become essential for many small and medium‐sized enterprises (SMEs) to ensure their competitiveness and survival. However, NPD is fraught with pitfalls that can lead to project failure. To increase the likelihood of success, SMEs need to monitor the performance of their NPD projects using accurate indicators. The literature is underdeveloped when it comes to the indicators used by SMEs, with most research focusing on larger companies. Our research aims to fill this gap by taking a closer look at the indicators used by five Canadian SMEs that have successfully carried out NPD projects. Drawing on resource‐based view theory, we identify the stages and activities carried out and the indicators used at different points in the NPD process of SMEs characterized by some resource constraints. Situation awareness theory helps to select quality criteria in the identification of indicators such as measurability. Our results show that a wide variety of indicators are used by SMEs to measure different dimensions of performance. Many of these indicators have not been previously identified in the literature.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
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 enseignants0,343
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,243
Écart entre enseignants0,228 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAccounting PerspectivesMême sujetInnovation and Knowledge ManagementTravaux en français237 207