Notice bibliographique
Résumé
Purpose The purpose of this paper is to shed light on the nature of intellectual capital in small to medium‐sized enterprises (SMEs) and how it is linked to strategy and performance. Design/methodology/approach Using structural equations, a multivariate model is presented where multiple relations are tested between different components of intellectual capital and performance. The model is tested first on a unique sample of 267 SMEs and second on two subsamples where SMEs are grouped according to their strategic profile. Findings Findings confirm that SMEs that adopt different strategies organize their intellectual capital in a particular and adapted way. When an attempt is made to link intellectual capital components to performance, it is noticed that the latter is strategy specific, just as the variables that influence performance. Prospectors dominate defenders on most intellectual capital components. Research limitations/implications Use of secondary data may provide less precise results that could make an incentive to conduct other studies with specific determinants of intellectual capital and try to make clear definition and measurement of this concept and its components. Practical implications Even if the results have an exploratory nature, they confirm that SMEs organize and develop their intellectual capital in conjunction with their needs and strategic profile, revealing their heterogeneity. This has implications on the ability to generalize specific behaviors to all SMEs, and could prevent government from developing public policies that are supposed to fit all SMEs. Originality/value Most research on intellectual in capital SMEs is conducted on specific sectors linked to activities requiring high levels of knowledge or technology. But these results concern a small proportion of SMEs. This study expands those analyses to a much broader variety of sectors, revealing some links between specific components and performance taking into account strategic orientation. This is the first study on manufacturing SMEs that considers various non‐technological sectors and strategic profiles.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».