MétaCan
Menu
Retour à la cohorte
Enregistrement W4410206664 · doi:10.28924/2291-8639-23-2025-110

Increasing Intention to Continue Participating in Digital Transformation among SMEs: Partial Least Squares Structural Equation Modeling (PLS-SEM) Analysis Using R

2025· article· en· W4410206664 sur OpenAlexvenueno aff
Nguyen Thi Phuong Giang, Le Thi Nhung, Nguyen Binh Phuong Duy

Notice bibliographique

RevueInternational Journal of Analysis and Applications · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStructural equation modelingPartial least squares regressionMathematicsTransformation (genetics)EconometricsStatisticsChemistry

Résumé

récupéré en direct d'OpenAlex

This study investigates the determinants of Vietnamese enterprises' intention to persist with digital transformation amid increasingly interconnected supply chains and the rapid expansion of e-commerce. It explores this intention from the customer satisfaction perspective, considering the transformation of enterprises and technology providers facilitating this process. Employing structural equation modeling (SEM), this study analyzes data collected from 752 managers of small- and medium-sized enterprises (SMEs) within the logistics and import-export sectors. These findings indicate that compatibility, confirmation, perceived usefulness, and perceived ease of use significantly affect customer satisfaction and influence the intention to continue digital transformation. This study offers managerial implications for enhancing satisfaction and promoting digital transformation by integrating compatibility with confirmation.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,482
Score d'incertitude au seuil0,566

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,022
Tête enseignante GPT0,295
Écart entre enseignants0,273 · 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.

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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Analysis and ApplicationsMême sujetDigital Transformation in IndustryTravaux en français237 207