Digitalisation et innovation dans l’agriculture d’export à Souss-Massa : Rôle médiateur de la capacité d’absorption
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
La digitalisation transforme profondément les modes de production, de coordination et d’accès à l’information, offrant des opportunités accrues pour la performance d’innovation dans les entreprises. Cependant, la conversion des ressources numériques en résultats innovants dépend de mécanismes organisationnels tels que la capacité d’absorption, définie par l’acquisition, l’assimilation, la transformation et l’exploitation des connaissances. Cette étude examine, dans le contexte des entreprises agricoles exportatrices de la région de Souss‑Massa, l’effet direct de la digitalisation sur la performance d’innovation et le rôle médiateur potentiel de la capacité d’absorption. Sur la base d’un questionnaire structuré (n = 98), l’approche quantitative (SEM/PLS) a permis d’évaluer la validité des construits et de tester les hypothèses proposées. Les résultats montrent un effet direct et significatif de la digitalisation sur la performance d’innovation et sur la capacité d’absorption, tandis que la capacité d’absorption n’exerce pas, dans ce terrain, une médiation significative sur la performance d’innovation. Ces constats indiquent que la digitalisation peut générer des gains d’innovation immédiats, alors que l’exploitation complète des connaissances numériques par les organisations reste conditionnelle à des facteurs structurels et temporels. Mots‑clés : Digitalisation ; Performance d’innovation ; Capacité d’absorption ; Entreprises agricoles exportatrices ; Souss‑Massa
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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