IDEAS home Printed from https://ideas.repec.org/a/ksa/szemle/2152.html
   My bibliography  Save this article

Az ipar 4.0 felkészültség értékelési rendszere a témamodellezés segítségével - középpontban a kis- és középvállalatok
[Developing a framework for Industry 4.0 readiness assessment through topic modelling - focusing on SMEs]

Author

Listed:
  • Gelei, Andrea
  • Fodor, Szabina
  • Ternai, Katalin

Abstract

Számos kutatás az ipar 4.0 technológiákban a vállalatok termelékenységi problémáinak egyik megoldási eszközét látja. Ugyanakkor ezek alkalmazása sokszor nem hozza a várt eredményt. Különösen igaz ez a kis- és középvállalatokra, amelyek, úgy tűnik, sok esetben nem rendelkeznek az eredményes bevezetéshez szükséges alapvető szervezeti képességekkel. Jelenleg ugyanakkor nincs olyan, a kis- és középvállalati szektorra validált modell, amely ezeket az úgynevezett ipar 4.0 felkészültségi szempontokkal értékelni tudná. A tanulmány célja, hogy javaslatot tegyen egy ilyen értékelési szempontrendszerre. Vegyes módszertani eszköztárral dolgozik, amikor a témakörben készített félig strukturált szakértői interjúk révén keletkezett szövegtestet a témamodellezés (topic modeling) segítségével elemzi. A témamodellezés a mesterséges intelligencia felhasználásával az elemzést végző kutatótól függetlenül képes dokumentumokban szó- és kifejezésmintákat észlelni és csoportosítani oly módon, hogy az tartalmi szempontból a lehető legjobban jellemezze a vizsgált dokumentumot. A BERTopic-módszerrel végzett vizsgálat eredménye azt mutatja, hogy két, egymásra épülő szervezeti képességet kell azoknak a vállalatoknak magas szinten birtokolniuk, amelyek ilyen technológiákat terveznek bevezetni: a folyamatmenedzsment és az IT-menedzsment képességét. A tanulmány ezeknek az összetett képességeknek az építőelemeit tárgyalja, amelyek alapján felállítható a kis- és középvállalatokra vonatkozó ipar 4.0 felkészültségi modell szempontrendszere.* Journal of Economic Literature (JEL) kód: C49, D29, M15, O14.

Suggested Citation

  • Gelei, Andrea & Fodor, Szabina & Ternai, Katalin, 2023. "Az ipar 4.0 felkészültség értékelési rendszere a témamodellezés segítségével - középpontban a kis- és középvállalatok [Developing a framework for Industry 4.0 readiness assessment through topic mod," Közgazdasági Szemle (Economic Review - monthly of the Hungarian Academy of Sciences), Közgazdasági Szemle Alapítvány (Economic Review Foundation), vol. 0(11), pages 1230-1260.
  • Handle: RePEc:ksa:szemle:2152
    DOI: 10.18414/KSZ.2023.11.1230
    as

    Download full text from publisher

    File URL: http://www.kszemle.hu/tartalom/letoltes.php?id=2152
    Download Restriction: Registration and subscription. 3-month embargo period to non-subscribers.

    File URL: https://libkey.io/10.18414/KSZ.2023.11.1230?utm_source=ideas
    LibKey link: if access is restricted and if your library uses this service, LibKey will redirect you to where you can use your library subscription to access this item
    ---><---

    As the access to this document is restricted, you may want to search for a different version of it.

    References listed on IDEAS

    as
    1. Saqib Aziz & Michael Dowling & Helmi Hammami & Anke Piepenbrink, 2022. "Machine learning in finance: A topic modeling approach," Post-Print hal-03700508, HAL.
    2. Hornyák, Miklós & Kruzslicz, Ferenc & Lányi, Beatrix, 2023. "A kis- és középvállalatok digitális transzformációja - az online jelenlét és a versenyképesség összefüggései [The relationships between the online presence of SMEs and competitiveness]," Közgazdasági Szemle (Economic Review - monthly of the Hungarian Academy of Sciences), Közgazdasági Szemle Alapítvány (Economic Review Foundation), vol. 0(5), pages 517-543.
    3. Scott Deerwester & Susan T. Dumais & George W. Furnas & Thomas K. Landauer & Richard Harshman, 1990. "Indexing by latent semantic analysis," Journal of the American Society for Information Science, Association for Information Science & Technology, vol. 41(6), pages 391-407, September.
    4. Lőrincz, László & Losonci, Dávid & Demeter, Krisztina & Granát, Marcell, 2023. "Digitalizáció és üzleti teljesítmény - hazai feldolgozóipari tapasztalatok [Digitalisation and business performance - focusing on Hungarian manufacturing firms]," Közgazdasági Szemle (Economic Review - monthly of the Hungarian Academy of Sciences), Közgazdasági Szemle Alapítvány (Economic Review Foundation), vol. 0(1), pages 82-102.
    Full references (including those not matched with items on IDEAS)

    Most related items

    These are the items that most often cite the same works as this one and are cited by the same works as this one.
    1. Curci, Ylenia & Mongeau Ospina, Christian A., 2016. "Investigating biofuels through network analysis," Energy Policy, Elsevier, vol. 97(C), pages 60-72.
    2. Chao Wei & Senlin Luo & Xincheng Ma & Hao Ren & Ji Zhang & Limin Pan, 2016. "Locally Embedding Autoencoders: A Semi-Supervised Manifold Learning Approach of Document Representation," PLOS ONE, Public Library of Science, vol. 11(1), pages 1-20, January.
    3. Maksym Polyakov & Morteza Chalak & Md. Sayed Iftekhar & Ram Pandit & Sorada Tapsuwan & Fan Zhang & Chunbo Ma, 2018. "Authorship, Collaboration, Topics, and Research Gaps in Environmental and Resource Economics 1991–2015," Environmental & Resource Economics, Springer;European Association of Environmental and Resource Economists, vol. 71(1), pages 217-239, September.
    4. Ding, Ying, 2011. "Community detection: Topological vs. topical," Journal of Informetrics, Elsevier, vol. 5(4), pages 498-514.
    5. Juan Shi & Kin Keung Lai & Ping Hu & Gang Chen, 2018. "Factors dominating individual information disseminating behavior on social networking sites," Information Technology and Management, Springer, vol. 19(2), pages 121-139, June.
    6. Ganesh Dash & Chetan Sharma & Shamneesh Sharma, 2023. "Sustainable Marketing and the Role of Social Media: An Experimental Study Using Natural Language Processing (NLP)," Sustainability, MDPI, vol. 15(6), pages 1-16, March.
    7. Paola Cerchiello & Giancarlo Nicola, 2018. "Assessing News Contagion in Finance," Econometrics, MDPI, vol. 6(1), pages 1-19, February.
    8. Shr-Wei Kao & Pin Luarn, 2020. "Topic Modeling Analysis of Social Enterprises: Twitter Evidence," Sustainability, MDPI, vol. 12(8), pages 1-20, April.
    9. Gissler, Stefan & Oldfather, Jeremy & Ruffino, Doriana, 2016. "Lending on hold: Regulatory uncertainty and bank lending standards," Journal of Monetary Economics, Elsevier, vol. 81(C), pages 89-101.
    10. Alina Evstigneeva & Mark Sidorovskiy, 2021. "Assessment of Clarity of Bank of Russia Monetary Policy Communication by Neural Network Approach," Russian Journal of Money and Finance, Bank of Russia, vol. 80(3), pages 3-33, September.
    11. Hei-Chia Wang & Tzu-Ting Hsu & Yunita Sari, 2019. "Personal research idea recommendation using research trends and a hierarchical topic model," Scientometrics, Springer;Akadémiai Kiadó, vol. 121(3), pages 1385-1406, December.
    12. Marcin Chlebus & Maciej Stefan Świtała, 2020. "So close and so far. Finding similar tendencies in econometrics and machine learning papers. Topic models comparison," Working Papers 2020-16, Faculty of Economic Sciences, University of Warsaw.
    13. De Caigny, Arno & Coussement, Kristof & De Bock, Koen W. & Lessmann, Stefan, 2020. "Incorporating textual information in customer churn prediction models based on a convolutional neural network," International Journal of Forecasting, Elsevier, vol. 36(4), pages 1563-1578.
    14. Hutchison, Paul D. & Daigle, Ronald J. & George, Benjamin, 2018. "Application of latent semantic analysis in AIS academic research," International Journal of Accounting Information Systems, Elsevier, vol. 31(C), pages 83-96.
    15. Emad Mohamed & Sayed A. Mostafa, 2019. "Computing Happiness from Textual Data," Stats, MDPI, vol. 2(3), pages 1-24, July.
    16. Jake R. Nelson & Tony H. Grubesic, 2018. "Environmental Justice: A Panoptic Overview Using Scientometrics," Sustainability, MDPI, vol. 10(4), pages 1-18, March.
    17. Lüdering Jochen & Winker Peter, 2016. "Forward or Backward Looking? The Economic Discourse and the Observed Reality," Journal of Economics and Statistics (Jahrbuecher fuer Nationaloekonomie und Statistik), De Gruyter, vol. 236(4), pages 483-515, August.
    18. Michel Zitt, 2015. "Meso-level retrieval: IR-bibliometrics interplay and hybrid citation-words methods in scientific fields delineation," Scientometrics, Springer;Akadémiai Kiadó, vol. 102(3), pages 2223-2245, March.
    19. Jonathan H. Ashtor, 2019. "Investigating Cohort Similarity as an Ex Ante Alternative to Patent Forward Citations," Journal of Empirical Legal Studies, John Wiley & Sons, vol. 16(4), pages 848-880, December.
    20. Agha Mohammad Ali Kermani, Mehrdad & Fatemi Ardestani, Seyed Farshad & Aliahmadi, Alireza & Barzinpour, Farnaz, 2017. "A novel game theoretic approach for modeling competitive information diffusion in social networks with heterogeneous nodes," Physica A: Statistical Mechanics and its Applications, Elsevier, vol. 466(C), pages 570-582.

    More about this item

    JEL classification:

    • C49 - Mathematical and Quantitative Methods - - Econometric and Statistical Methods: Special Topics - - - Other
    • D29 - Microeconomics - - Production and Organizations - - - Other
    • M15 - Business Administration and Business Economics; Marketing; Accounting; Personnel Economics - - Business Administration - - - IT Management
    • O14 - Economic Development, Innovation, Technological Change, and Growth - - Economic Development - - - Industrialization; Manufacturing and Service Industries; Choice of Technology

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:ksa:szemle:2152. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    If CitEc recognized a bibliographic reference but did not link an item in RePEc to it, you can help with this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Odon Sok (email available below). General contact details of provider: http://www.kszemle.hu .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.