L'évolution du niveau d'adoption des affaires électroniques par le secteur forestier du Québec
Bibliographic record
Abstract
De nos jours, les affaires électroniques sont essentielles pour diriger une entreprise florissante. La maîtrise et l'intégration de la technologie Internet sont aujourd'hui indispensables pour pouvoir faire face à la concurrence qui ne cesse de se renforcer avec la globalisation des marchés. C'est une question à laquelle fait aussi face l'industrie forestière du Québec. Une étude empirique sur les pratiques concernant les affaires électronique (AE) de l'industrie forestière au Québec menée en 2002 (Karuranga et al.) a rendu compte de l'état des pratiques en affaires électroniques de ce secteur. Les répondants se sont exprimés, entre autres, sur leurs perceptions à l'égard des affaires électroniques. Parmi ces répondants, certaines entreprises ont aujourd'hui adopté les affaires alors que d'autres non. Cette recherche vise à évaluer dans quelle mesure les perceptions initiales qu'ont exprimées les entreprises à l'égard des affaires électroniques en 2002 ont contribué ou non à l'adoption du e-business après cette date. Les résultats permettent de mieux comprendre le niveau d'adoption assez faible des AE par les entreprises de ce secteur. Les recommandations proposées par cette recherche permettront d'y remédier en ciblant les facteurs qui influent sur la propension à adopter les affaires électroniques.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".