MétaCan
Menu
Retour à la cohorte
Enregistrement W7140308414 · doi:10.1109/gcwcn66157.2025.11448351

Cloud-Integrated Enterprise Resource Planning for Sustainable Business Growth

2025· article· W7140308414 sur OpenAlexaff
S. Kayalvili, Jagadeesh Sundaramoorthy, Raviteja Meda, S Nagakishore Bhavanam, Krishnamoorthi M

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineBusiness, Management and Accounting
ThématiqueCollaboration in agile enterprises
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésEnterprise resource planningEnterprise planning systemEnterprise life cycleSustainable businessEnterprise softwareBusiness enterpriseSustainable developmentSustainability

Résumé

récupéré en direct d'OpenAlex

The cloud-based ERP system is becoming a driving force for effective business transformation. The public information data of the three sectors manufacturing, retail and service sector has been used in the study. The data is available from 2021 to 2024. The study adopts a comparative experimental study, where performance measures before and after adoption produced significant IT cost savings, efficiency, energy, paperless, employee and CSR compliance benefits. Results show that the organizations making use of cloud ERP systems are getting commercial benefits as well as environmental benefits that are simultaneously improving the sustainability dimensions. Further, manufacturing organizations gained a significant economic and environmental benefit; retail organizations received almost equal benefit across the dimensions; service organizations scored high on enabling remote work and social performance. Studies show that implementing cloud-based enterprise resource programs enables the company’s effectiveness significantly. Further, it helps the organization quicken its pace to achieve the environment-friendly international goal. This study contributes to theory and practice by conceptualising cloud ERP as a strategic enabler of digital resilience and sustainability across industry contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,744
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,007
Études des sciences et des technologies0,0010,000
Communication savante0,0040,003
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,245
Écart entre enseignants0,236 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCollaboration in agile enterprisesTravaux en français237 207