The role of AI and big data in increasing the success of e-commerce assistance and its implications on the quality of MSME capacity development models with disabilitie
Notice bibliographique
Résumé
The aim of this research is to analyze the influence of the role of AI and big data in increasing the success of e-commerce assistance and its implications for the quality of the capacity development model for MSMEs with disabilities in Serang City, Semarang City and Banjarmasin City, Indonesia. The sample in this study was 184 respondents consisting of 3 (three) regions including Serang City, Semarang City and Banjarmasin City, Indonesia. Sampling technique using technique random sampling. Data collected through questionnaires was then analyzed using SEM-PLS. The results of research and data analysis show that: The role of AI directly has a positive and significant effect on increasing the success of e-commerce assistance; Big Data directly has a positive and significant effect on increasing the success of e-commerce assistance; The role of AI directly has a positive and significant influence on the Quality of the MSME Capacity Development Model; Government Big Data directly has a positive and significant effect on the Quality of the MSME Capacity Development Model; Increasing the Success of E-Commerce Assistance directly has a positive and significant effect on the Quality of the Capacity Development Model for MSMEs with Disabilities in Serang City, Semarang City and Banjarmasin City, Indonesia. Increasing the Success of E-Commerce Assistance is able to mediate indirectly on the Role of AI and Big Data on the Quality of the Capacity Development Model for MSMEs with Disabilities in Serang City, Semarang City and Banjarmasin City, Indonesia.
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 | 0,008 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».