Digital Transformation in International Trade: Opportunities, Challenges, and Policy Implications
Notice bibliographique
Résumé
This study synthesizes the rapidly expanding evidence on how digital technologies reshape international trade, with a particular focus on small and medium-sized enterprises (SMEs). Guided by two research questions—(RQ1) How do digital tools influence the volume and composition of cross-border trade? and (RQ2) How do these effects vary by countries’ development level and firm size?—we conducted a PRISMA-compliant systematic literature review covering 2010–2024. Searches across eight major databases yielded 1857 records; after duplicate removal, title/abstract screening, full-text assessment, and Mixed Methods Appraisal Tool (MMAT 2018) quality checks, 86 peer-reviewed English-language studies were retained. Findings reveal three dominant technology clusters: (1) e-commerce platforms and cloud services, (2) IoT-enabled supply chain solutions, and (3) emerging AI analytics. E-commerce and cloud adoption consistently raise export intensity—doubling it for digitally mature SMEs—while AI applications are the fastest-growing research strand, particularly in East Asia and Northern Europe. However, benefits are uneven: firms in low-infrastructure settings face higher fixed digital costs, and cybersecurity and regulatory fragmentation remain pervasive obstacles. By integrating trade economics with development and SME internationalization studies, this review offers the first holistic framework that links national digital infrastructure and policy support to firm-level export performance. It shows that the trade-enhancing effects of digitalization are contingent on robust broadband penetration, affordable cloud access, and harmonized data-governance regimes. Policymakers should, therefore, prioritize inclusive digital-readiness programs, while business leaders should invest in complementary capabilities—data analytics, cyber-risk management, and cross-border e-logistics—to fully capture digital trade gains. This balanced perspective advances theory and practice on building resilient, equitable digital trade ecosystems.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,013 | 0,018 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».