552 research outputs found
Business model innovation or Business model imitation – That is the question
Full text linkThis paper explores the phenomenon of intra-industry Business Model (BM) imitation through the concept of BM configurations and sheds light on how it relates to BM innovation. The analysis focuses on similarities and deviations of BM configurations among 80 companies operating in the industry sector related to Phantom Limb Pain (PLP). Leveraging a questionnaire-based mapping tool, the results show that companies operating within the area of PLP treatment apply relatively similar BM configurations. This indicates that companies mostly imitate the successful BMs of their main competitors in the industry as a whole and in their specific sub-groups, thus potentially ignoring the opportunity to also compete on a BM level. The contribution brought by the paper is twofold. First, it adds to the research stream on BM configurations by showing that this concept can be used not only to analyze and foster cross-industry BM imitation, but also to explore and examine intra-industry BM imitation (or differentiation). Second, the article contributes to the research stream on intra-industry BM imitation by going beyond prior anecdotal evidence and empirically testing the existence of the phenomenon of intra-industry BM imitation and hence, the potential innovation space on a BM level
Picard - an electrostatic particle in cell simulation code
No full textThis is a particle-in-cell plasma code 'picard' that was developed
by Jesper Lindkvist and Herbert Gunell with start in 2016 using
resources provided by the Swedish National Infrastructure for
Computing (SNIC) at the High Performance Computing Center North
(HPC2N), Umeå University, Sweden. Jesper Lindkvist was funded by
the Swedish National Space Board (SNSB project 201/15) and
Herbert Gunell by the Swedish National Space Agency (SNSA
project 108/18).
A paper based on the first version was published in A&A .
The present version has been updated to include ionisation as a source of cometary ions, and hdf5 files are used for writing the output. The changes in this version were made by Herbert Gunell.
The files included are:
picard.tgz Package containing all source file, some matlab m-files
that can be used for plotting of the results, and an input
file that was used for a simulation that will be used in an
upcoming publication by Herbert Gunell and Charlotte Götz.
fig-cur.mp4 Videoclip showing results from the simulation defined by the input file, specifically
three-dimensional current paths from different angles.
@author : Jesper Lindkvist
Email : [email protected]
@author : Herbert Gunell
Email : [email protected]
Type Theory Unchained: Extending Agda with User-Defined Rewrite Rules
Full text linkDependently typed languages such as Coq and Agda can statically guarantee the correctness of our proofs and programs. To provide this guarantee, they restrict users to certain schemes a- such as strictly positive datatypes, complete case analysis, and well-founded induction a- that are known to be safe. However, these restrictions can be too strict, making programs and proofs harder to write than necessary. On a higher level, they also prevent us from imagining the different ways the language could be extended. In this paper I show how to extend a dependently typed language with user-defined higher-order non-linear rewrite rules. Rewrite rules are a form of equality reflection that is applied automatically by the typechecker. I have implemented rewrite rules as an extension to Agda, and I give six examples how to use them both to make proofs easier and to experiment with extensions of type theory. I also show how to make rewrite rules interact well with other features of Agda such as-equality, implicit arguments, data and record types, irrelevance, and universe level polymorphism. Thus rewrite rules break the chains on computation and put its power back into the hands of its rightful owner: Yours.Programming Language
35 frågor och svar inför en edering av Jesper Swedbergs Swensk Ordabok
Full text linkIn this paper, the author accounts for his work on editing an early 18th centurydictionary manuscript, bishop Jesper Swedberg’s Swensk Ordabok. A similar project– i.e. editing an old, hitherto unpublished dictionary manuscript – has beenperformed in Sweden only once before. This means that there is no tradition onwhich the solution of many problems concerning the edition of Swedberg'sdictionary could be based. For instance, there are no less than five manuscriptversions. Which of them should be selected as the basis manuscript of the edition,and to what extent should the differences between the manuscripts be accounted forin the edition? As argued by the author, none of the manuscripts written bySwedberg himself can serve as the basis manuscript, since they are all incomplete.Also, a relatively restricted account of the differences between the manuscripts issuggested; otherwise, the readability of the edition would be too low
Business Models, Accounting and Reporting– Two Steps Forward, One Step Back?
Full text linkIn recent time discussion has gone back and forward regarding the topics of business models, accounting and reporting. In this paper we reflect on some of the main issues pertinent to this discussion as a preamble to identifying a promising way forwar
Using digital gamification in the Context of Business Models
Full text linkThe use of blended learning to enhance motivation and learning by the students is a recent and increasingly important topic in teaching. This paper will give an example regarding how blended learning was implemented in an entrepreneurial course with business models as the primary structure
Tekoälyn tukemat dynaamiset kyvykkyydet digitaalisten liiketoimintamallien muuttamiseksi älykkäiksi liiketoimintamalleiksi
No full textAbstractAI as the most important general-purpose technology of the day with its innumerable possibilities is on its way to become a key technology for the digital transformation. Algorithms especially for ML usually perform various tasks outstandingly. Hybrid models of AI, if put into business models, would help in improving the match making between actors of the ecosystems. However, many aspiring digital platforms lack effective strategies to establish profitable digital business models. Emerging digital healthcare market is shifting from traditional hospital-centric care to a more virtual, and personalized care that heavily leverages the latest technologies around AI, DL, DA, genomics, home-based healthcare, robotics, and three-dimensional printing of tissue and implants. This emerging digital healthcare market requires a profound, yet little understood perspective of transformation of digital business model by identifying the AI-enabled dynamic capabilities that could serve as a strong competitive differentiator. This understanding would help in value capture and value creation for companies who are developing digital platform to pull insights from data, and secure competitive advantage. The aim of this dissertation is to identify the AI-enabled dynamic capabilities that companies need for the transformation of their digital business models to smart business models in the emerging digital healthcare market. The findings of the study reveal that orchestration as one of the AI-enabled dynamic capabilities could be categorized as Capability to install desired information behaviors and values, Leadership capabilities, Capability to develop appropriate information management processes, and Information analytics capabilities. Also, these dynamic capabilities could be categorized as assisting, augmenting, and automating meaning that taking specific orchestrator roles (e.g., operational role implementation or role switching, role augmentation, and role automation). These three important observations are aligned with the preceding discussions in the literatures and utilizing them would explicate how different types of dynamic capabilities allow orchestrators to adopt different roles and succeed in conducting the focal activities of a company. However, the goal of this study is not to integrate or bridge specific paradigms, but to identify the AI-enabled dynamic capabilities. So, this dissertation further argues and conclude that the digital business model is a higher-level strategic AI-enabled dynamic capability that can serve as a tool for sensing, seizing, and transforming in the company business ecosystems through opportunity exploration and exploitation, value creation and capture, advantage exploration and exploitation functions to respond to the company’s digital business model transformation. Businesses can move along these two identified AI-enabled dynamic capabilities (digital business model itself and orchestration) for the transformation of their current digital business models from AI perspective and target smart business model vision in the emerging digital healthcare market. Effective and efficient implementation of AI in the transformation of the companies’ digital business models would enhance the competitiveness of many businesses. However, it won’t help some other businesses drive value, opportunity, and advantage by improving the process through automation to win the market. In most cases, AI augments rather than replacing the human effort.TiivistelmäTekoäly on nykypäivän tärkeimpiä yleiskäyttöisiä teknologioita ja sen lukemattomat mahdollisuudet ovat tulossa digitaalisen muutoksen avaintekijöiksi. Esimerkiksi koneoppimiseen tarkoitetut algoritmit suorittavat jo merkittäviä tehtäviä. Tekoälyn hybridimallit, jos ne yhdistetään liiketoimintamalleihin, auttavat parantamaan liiketoimintaekosysteemin toimijoiden yhteensovittamista. Monilta kehittyviltä digitaalisilta alustoilta puuttuu kuitenkin tehokkaita strategioita tekoälyperustaisten digitaalisten liiketoimintamallien luomiseksi. Sellaiset markkinat kuin terveydenhuolto ovat avautumassa ja siirtymässä perinteisestä sairaalakeskeisestä toiminnasta virtuaalisempaan ja yksilöllisempään suuntaan, pyrkien hyödyntämään uusinta teknologiaa juuri tekoälyn mutta myös syväoppimisen, data-analytiikan, genomiikan, kotihoidon, robotiikan ja kolmiulotteisen kudosten ja implanttien tulostuksen muodossa. Nämä markkinat edellyttävät syvällistä mutta vielä vähän ymmärrettyä ja kokonaisvaltaista näkökulmaa älykkäiden liiketoimintamallien omaksumiseen. Tämä edellyttää, että tunnistetaan ne tärkeimmät dynaamiset kyvykkyydet, jotka voivat toimia vahvoina kilpailutekijöinä yrityksille, jotka kehittävät digitaalisia alustoja saadakseen sekä näkemyksiä datasta että turvatakseen kilpailuetunsa. Tämän tutkimuksen tavoitteena onkin tunnistaa kyvykkyydet, joita yritykset tarvitsevat muuttaakseen digitaalisia liiketoimintamallejaan älykkäiksi terveydenhuollon markkinoilla. Tutkimuksen tulokset osoittavat, että liiketoimintaekosysteemien orkestrointi on yksi tärkeimmistä tällaisista kyvykkyyksistä. Se voidaan hahmottaa kyvyksi ohjata tietokäyttäytymistä ja arvoja, johtamiskyvykkyyksiksi ja kyvyksi kehittää tarpeellisia tiedonhallintaprosesseja ja tiedon analysointikeinoja. Kyvykkyydet voitaisiin myös luokitella avustaviksi, täydentäviksi ja automatisoiviksi, mikä tarkoittaa esimerkiksi tiettyjen orkestrointiroolien ottamista ja toteuttamista tai roolin vaihtoa, lisäystä ja automatisointia. Tämä on hyvin linjassa aiemmissa tutkimuksissa esitettyjen johtopäätösten kanssa, mutta kyvykkyyksiin paneutuminen selventää, miten ne mahdollistavat orkestroijien erilaiset roolit ja onnistumisen niissä. Tutkimuksen tavoitteena ei kuitenkaan ole uppoutua tiettyihin rooleihin, vaan tunnistaa tekoälyn mahdollistamat kyvykkyydet digitaalisen liiketoimintamallin muutoksessa älykkääksi liiketoimintamalliksi. Tutkimuksessa päätellään, että älykäs liiketoimintamalli on yrityksen korkean tason strateginen kyvykkyys. Se voi toimia keinona liiketoimintapotentiaalin havaitsemiseen, sellaiseen tarttumiseen ja liiketoiminnan muuttamiseen niin, että mahdollisuudet hyödynnetään arvon luomiseksi ja nauttimiseksi. Yritykset voivat älykkään liiketoimintamallin ja ekosysteemisen orkestrointikyvykkyytensä avulla kehittää vision pärjätäkseen muuttuvilla terveydenhuollon markkinoilla. Vaikka älykäs liiketoimintamalli parantaisi monen yrityksen kilpailukykyä, se ei kuitenkaan mahdollisesti auta aivan kaikkia luomaan mahdollisuuksia ja arvoa ja tuottamaan uusia automatisoituja prosesseja. Useimmissa tapauksissa tekoäly lisäksi täydentää ihmisen työtä sen sijaan, että se korvaisi työn tekemisen kokonaan.20th Oct 2023, Online defense sessionAbstract
AI as the most important general-purpose technology of the day with its innumerable possibilities is on its way to become a key technology for the digital transformation. Algorithms especially for ML usually perform various tasks outstandingly. Hybrid models of AI, if put into business models, would help in improving the match making between actors of the ecosystems. However, many aspiring digital platforms lack effective strategies to establish profitable digital business models. Emerging digital healthcare market is shifting from traditional hospital-centric care to a more virtual, and personalized care that heavily leverages the latest technologies around AI, DL, DA, genomics, home-based healthcare, robotics, and three-dimensional printing of tissue and implants. This emerging digital healthcare market requires a profound, yet little understood perspective of transformation of digital business model by identifying the AI-enabled dynamic capabilities that could serve as a strong competitive differentiator. This understanding would help in value capture and value creation for companies who are developing digital platform to pull insights from data, and secure competitive advantage. The aim of this dissertation is to identify the AI-enabled dynamic capabilities that companies need for the transformation of their digital business models to smart business models in the emerging digital healthcare market. The findings of the study reveal that orchestration as one of the AI-enabled dynamic capabilities could be categorized as Capability to install desired information behaviors and values, Leadership capabilities, Capability to develop appropriate information management processes, and Information analytics capabilities. Also, these dynamic capabilities could be categorized as assisting, augmenting, and automating meaning that taking specific orchestrator roles (e.g., operational role implementation or role switching, role augmentation, and role automation). These three important observations are aligned with the preceding discussions in the literatures and utilizing them would explicate how different types of dynamic capabilities allow orchestrators to adopt different roles and succeed in conducting the focal activities of a company. However, the goal of this study is not to integrate or bridge specific paradigms, but to identify the AI-enabled dynamic capabilities. So, this dissertation further argues and conclude that the digital business model is a higher-level strategic AI-enabled dynamic capability that can serve as a tool for sensing, seizing, and transforming in the company business ecosystems through opportunity exploration and exploitation, value creation and capture, advantage exploration and exploitation functions to respond to the company’s digital business model transformation. Businesses can move along these two identified AI-enabled dynamic capabilities (digital business model itself and orchestration) for the transformation of their current digital business models from AI perspective and target smart business model vision in the emerging digital healthcare market. Effective and efficient implementation of AI in the transformation of the companies’ digital business models would enhance the competitiveness of many businesses. However, it won’t help some other businesses drive value, opportunity, and advantage by improving the process through automation to win the market. In most cases, AI augments rather than replacing the human effort.Tiivistelmä
Tekoäly on nykypäivän tärkeimpiä yleiskäyttöisiä teknologioita ja sen lukemattomat mahdollisuudet ovat tulossa digitaalisen muutoksen avaintekijöiksi. Esimerkiksi koneoppimiseen tarkoitetut algoritmit suorittavat jo merkittäviä tehtäviä. Tekoälyn hybridimallit, jos ne yhdistetään liiketoimintamalleihin, auttavat parantamaan liiketoimintaekosysteemin toimijoiden yhteensovittamista. Monilta kehittyviltä digitaalisilta alustoilta puuttuu kuitenkin tehokkaita strategioita tekoälyperustaisten digitaalisten liiketoimintamallien luomiseksi. Sellaiset markkinat kuin terveydenhuolto ovat avautumassa ja siirtymässä perinteisestä sairaalakeskeisestä toiminnasta virtuaalisempaan ja yksilöllisempään suuntaan, pyrkien hyödyntämään uusinta teknologiaa juuri tekoälyn mutta myös syväoppimisen, data-analytiikan, genomiikan, kotihoidon, robotiikan ja kolmiulotteisen kudosten ja implanttien tulostuksen muodossa. Nämä markkinat edellyttävät syvällistä mutta vielä vähän ymmärrettyä ja kokonaisvaltaista näkökulmaa älykkäiden liiketoimintamallien omaksumiseen. Tämä edellyttää, että tunnistetaan ne tärkeimmät dynaamiset kyvykkyydet, jotka voivat toimia vahvoina kilpailutekijöinä yrityksille, jotka kehittävät digitaalisia alustoja saadakseen sekä näkemyksiä datasta että turvatakseen kilpailuetunsa. Tämän tutkimuksen tavoitteena onkin tunnistaa kyvykkyydet, joita yritykset tarvitsevat muuttaakseen digitaalisia liiketoimintamallejaan älykkäiksi terveydenhuollon markkinoilla. Tutkimuksen tulokset osoittavat, että liiketoimintaekosysteemien orkestrointi on yksi tärkeimmistä tällaisista kyvykkyyksistä. Se voidaan hahmottaa kyvyksi ohjata tietokäyttäytymistä ja arvoja, johtamiskyvykkyyksiksi ja kyvyksi kehittää tarpeellisia tiedonhallintaprosesseja ja tiedon analysointikeinoja. Kyvykkyydet voitaisiin myös luokitella avustaviksi, täydentäviksi ja automatisoiviksi, mikä tarkoittaa esimerkiksi tiettyjen orkestrointiroolien ottamista ja toteuttamista tai roolin vaihtoa, lisäystä ja automatisointia. Tämä on hyvin linjassa aiemmissa tutkimuksissa esitettyjen johtopäätösten kanssa, mutta kyvykkyyksiin paneutuminen selventää, miten ne mahdollistavat orkestroijien erilaiset roolit ja onnistumisen niissä. Tutkimuksen tavoitteena ei kuitenkaan ole uppoutua tiettyihin rooleihin, vaan tunnistaa tekoälyn mahdollistamat kyvykkyydet digitaalisen liiketoimintamallin muutoksessa älykkääksi liiketoimintamalliksi. Tutkimuksessa päätellään, että älykäs liiketoimintamalli on yrityksen korkean tason strateginen kyvykkyys. Se voi toimia keinona liiketoimintapotentiaalin havaitsemiseen, sellaiseen tarttumiseen ja liiketoiminnan muuttamiseen niin, että mahdollisuudet hyödynnetään arvon luomiseksi ja nauttimiseksi. Yritykset voivat älykkään liiketoimintamallin ja ekosysteemisen orkestrointikyvykkyytensä avulla kehittää vision pärjätäkseen muuttuvilla terveydenhuollon markkinoilla. Vaikka älykäs liiketoimintamalli parantaisi monen yrityksen kilpailukykyä, se ei kuitenkaan mahdollisesti auta aivan kaikkia luomaan mahdollisuuksia ja arvoa ja tuottamaan uusia automatisoituja prosesseja. Useimmissa tapauksissa tekoäly lisäksi täydentää ihmisen työtä sen sijaan, että se korvaisi työn tekemisen kokonaan
Depicting A Performative Research Agenda: The 4th Stage Of Business Model Research
Full text linkThis article provides a research program for the field of business models. It focusses specifically on 4th stage research, which is concerned with the performative notions of business models to which six conceptual avenues for further research are depicted
- …
