The Digital Maturity of Small- and Medium-Sized Enterprises in the Saguenay-Lac-Saint-Jean Region
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
This study examines the digital maturity of small- and medium-sized enterprises (SMEs) in the context of Industry 4.0. Despite growing awareness of the importance of digital transformation, many SMEs encounter structural and strategic challenges that impede their progress. Among their obstacles is the inadequacy of digital maturity models used to diagnose digital maturity levels in SMEs due to their typological, sectoral, geographical, and other specific characteristics. Using a constructivist and qualitative approach, we have developed a simplified, inclusive, and holistic assessment framework comprising six key dimensions (technology, culture, organization, people and human resources, strategic planning), associated with six progressive maturity levels. Our findings reveal that most SMEs studied in 2023 exhibit a beginner level of digital maturity. These enterprises are characterized by small-scale digital initiatives, often lacking a clear strategy, with limited or partial digitization of processes and heterogeneous technology adoption. The resulting self-assessment tool provides SMEs with practical guidance to launch, evaluate, and accelerate their digital transformation. This study contributes theoretically by proposing a practical digital maturity model and offering a tool to support SMEs and public policy. It highlights the need for tailored support, strategic alignment, and continuous training to unlock the full potential of Industry 4.0 in less urbanized and resource-constrained areas.
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 | 0,000 |
| 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