Unravelling Dynamics: Social Media, Absorptive Capacity, and Organizational Performance
محل انتشار: ماهنامه بین المللی مهندسی، دوره: 37، شماره: 10
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 99
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJE-37-10_007
تاریخ نمایه سازی: 23 خرداد 1403
چکیده مقاله:
Nowadays, using social media has expanded in societies and organizations. So the question arises: What are the effects of social media on organizations? It seems the varied effects of social media on organizations altogether form a complex, dynamic system. This study examines this issue with system dynamics to model the dynamic complexity. The concept absorptive capacity is used as a mediator to apply the social media effects on the system. Absorptive capacity means the organization's ability to recognize valuable external information, assimilate, and utilize it in the organization, explaining the difference in the performance of organizations. After modeling, using the data obtained from a company active in the Iranian food industry, the relationships between the model variables are defined. To generalize the model, its variables are normalized so that the results can be applicable for different organizations. To improve the current situation, four policies are proposed and exerted to the model. The results demonstrate that proactively managing social media, compared to increasing the investment share of social media, has a more considerable effect on the organization's financial performance and market share.
کلیدواژه ها:
نویسندگان
M. Jadidi Ardekani
Yazd University, Daneshgah Blvd. Yazd, Yazd, Iran
M. S. Owlia
Yazd University, Daneshgah Blvd. Yazd, Yazd, Iran
D. Shishebori
Yazd University, Daneshgah Blvd. Yazd, Yazd, Iran
Y. Zare Mehrjardi
Yazd University, Daneshgah Blvd. Yazd, Yazd, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :