Strategic alliances and innovation in the food industry of southwestern Ontario
Notice bibliographique
Résumé
This thesis examines the impact of strategic alliances on the overall innovation process, as well as the types of measures that organizations in the food industry are using to determine the success of innovations. A multi-method research design was employed, which included both qualitative and quantitative research methods. The first phase consisted of 5 semi-structured in-depth interviews, developed from the literature. A self-administered survey, based on the results of phase I as well as the literature, was then mailed to 500 companies involved in the food industry in Southwestern Ontario. The results show that the impact of strategic alliances on the overall innovation process is one of the most important elements of the modern company. Collaboration positively affects the number of innovations a company develops each year. A total of 77% of the companies involved in the quantitative phase participate in strategic alliances and 88% of these companies are developing a minimum of one innovation each year, with 44% developing more than seven innovations compared to 33% for companies that do not work collaboratively. The most commonly mentioned reason for collaborating is value, with alliances providing the additional insights and expertise that companies "need" to be innovative. Customers and suppliers were the most frequently used alliance partners. The most frequently reported measures that organizations use to determine the success of innovations were profitability (95%), sales growth (92%), customer satisfaction (92%), market research (77%) and cost of overall project (74%). The quantitative phase found that 77% of respondents reported that their companies were doing 'reasonably well' to 'extremely well' in measuring the success of innovations. Implications for businesses, academics, and potential alliance partners are discussed. (Abstract shortened by UMI.)
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».