Digital Transformation Capability, Organizational Strategic Intuition, and Digital Leadership: Empirical Evidence from High-Tech Firms’ Performance in the Yangtze River Delta
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Despite growing scholarly interest in digital transformation, few studies have systematically explored the mechanisms linking digital transformation capability to firm performance. This study examines both the direct and indirect effects of digital transformation capability on firm performance, offering novel insights by incorporating organizational strategic intuition and digital leadership as mediating variables. These mediators align with the emerging emphasis on strategic risk management in the literature. A survey was conducted among 620 high-tech enterprises in the Yangtze River Delta using a structured questionnaire. The data were analyzed using SPSS 23.0 for descriptive and correlational statistics, SmartPLS 4.0 for structural equation modeling (SEM), and PROCESS 4.2 for mediation analysis. The results reveal a significant direct effect of digital transformation capability on firm performance. Mediation analysis further shows that organizational strategic intuition and digital leadership each significantly mediate this relationship, and a chain mediation pathway involving both variables is also confirmed. These findings deepen our understanding of how digital transformation capability drives performance outcomes and offer practical guidance for high-tech firms seeking sustainable competitive advantages in dynamic digital environments. This study advances the theoretical discourse by clarifying the pathways through which digital transformation capability affects firm performance and provides empirical evidence to inform strategic decision-making in high-tech management.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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