MétaCan
Menu
Retour à la cohorte
Enregistrement W7087425553 · doi:10.1108/jmtm-11-2024-0642

Driving new product development performance: the mediating role of absorptive capacity in open innovation for SMEs

2025· article· en· W7087425553 sur OpenAlexaff

Notice bibliographique

RevueJournal of Manufacturing Technology Management · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueDiverse Scientific and Economic Studies
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésAbsorptive capacityDimension (graph theory)New product developmentDynamic capabilitiesOpen innovationConceptual modelIdentification (biology)Structural equation modelingSurvey data collection

Résumé

récupéré en direct d'OpenAlex

Purpose This study investigates the impact of the outside-in dimension of open innovation (OIO) on new product development (NPD) performance in technology-based small and medium-sized enterprises (SMEs), isolating a dimension often conflated with outbound and coupled strategies. Design/methodology/approach Drawing on survey data from 342 SMEs in Sweden and Slovakia, partial least squares structural equation modeling (PLS-SEM) is applied to test a conceptual framework grounded in the knowledge-based view (KBV) and the dynamic capabilities view (DCV), examining the mediating roles of potential absorptive capacity (PAC) and realized absorptive capacity (RAC) and the moderating role of trust. Findings OIO is found to significantly enhance NPD performance, both directly and indirectly, through PAC and RAC, with PAC identified as the stronger mediator. Trust strengthens the direct OIO–NPD link but does not significantly moderate the PAC–NPD or RAC–NPD relationships. This suggests that trust is more critical during the external knowledge acquisition phase than during the internal stages of knowledge transformation and application. Practical implications For managers, the study’s findings highlight the need to develop PAC and RAC as dynamic routines within the firm to help sense and transform external knowledge while developing trust-based collaborations with external partners during early innovation stages to maximize OIO benefits. Examples of such collaborations include partnering with local research institutions for early knowledge identification and deploying digital technologies to accelerate collaboration and shorten NPD cycles. Originality/value This study advances open innovation research by isolating the outside-in dimension and integrating the KBV and DCV to explain how external knowledge inflows are sensed, seized and transformed into product innovation outcomes. The study confirms the dual role of absorptive capacity as both a knowledge-based resource and a dynamic capability, positioning trust as a key relational enabler for SMEs during the knowledge acquisition phase.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,003
Science ouverte0,0000,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,230
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing Technology ManagementMême sujetDiverse Scientific and Economic StudiesTravaux en français237 207