Digitalisation et innovation dans l’agriculture d’export à Souss-Massa : Rôle médiateur de la capacité d’absorption
Bibliographic record
Abstract
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
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".