MétaCan
Menu
Retour à la cohorte
Enregistrement W7117661709 · doi:10.54097/x5ce0696

The Impact of Digital Transformation of Family Businesses on Employees' Psychological Adaptation

2025· article· W7117661709 sur OpenAlexaff
Yifan Lei

Notice bibliographique

RevueAcademic journal of management and social sciences · 2025
Typearticle
Langue
DomaineBusiness, Management and Accounting
ThématiqueFamily Business Performance and Succession
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDigital transformationProcess (computing)Adaptation (eye)Bridge (graph theory)Conceptual frameworkIndustrial relationsPrivate sectorForcing (mathematics)Product (mathematics)Psychological contract

Résumé

récupéré en direct d'OpenAlex

Family businesses are a vital component of the global economy, making significant contributions to Gross Domestic Product (GDP) and employment. Notably, their digital transformation process differs markedly from that of non-family businesses, presenting both unique challenges and new opportunities. This study examines three defining characteristics of how family businesses approach digital transformation: gradual strategic adaptation, the coexistence of traditional and innovative cultures, and uneven implementation practices. Together, these elements shape their transformation trajectory. Gradual strategic adaptation reflects their preference for low-risk digital solutions, driven by limited financial resources and differing perspectives across generations. The coexistence of traditional and innovative cultures highlights the tension between preserving long-held values and embracing digital change, often intensified by generational conflicts and employee resistance. Meanwhile, uneven implementation practices stem primarily from varying management capabilities and a lack of formal training, forcing businesses to rely on informal knowledge-sharing to bridge the gap. This study also examines how employees psychologically adapt during digital transformation, with social cognitive theory providing a useful lens to interpret individual and organizational behavior patterns. The research highlights several common challenges faced by family businesses, such as technology-induced job insecurity and employee resistance, and proposes three key solutions: strong leadership guidance, comprehensive training programs, and enhanced internal communication. For family businesses to succeed in digital transformation, they must strike a careful balance between adopting new technologies and preserving their core cultural values. Equally crucial is maintaining focus on employee mental well-being throughout the change process. Together, these findings offer practical guidance for family enterprises seeking to modernize while protecting their unique heritage and remaining competitive in the marketplace.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,002
Communication savante0,0030,001
Science ouverte0,0000,002
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 Opus0,060
Tête enseignante GPT0,353
Écart entre enseignants0,293 · 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 revueAcademic journal of management and social sciencesMême sujetFamily Business Performance and SuccessionTravaux en français237 207