The organizational performance of learning companies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose A growing body of literature on organizational learning suggests that companies or organizations with a learning capability can gain a competitive advantage. The argument is that learning organizations are better at knowledge transfer and generating new knowledge to solve problems. The objective of this study is to examine empirically if learning companies are more competitive and better performers than their competitors. Design/methodology/approach This study examines a portfolio of learning companies and a set of their competitors, looking at their financial performance over a significant period. Learning companies were selected based on content analysis of the published literature. Competitors were selected from an existing top 500 companies listing matched to the learning company's business domain. This study compares their performance using both market and accounting financial data. Findings The data show that learning companies demonstrate strong performance in financial markets over time, beating the traditional market indexes in both bull and bear markets. The accounting data show similar results. On a majority of the financial measures, the long‐term financial performance of learning companies is significantly superior to that of their closest competitors. Research limitations/implications This study discusses and explores the implications of these results in studying the link between learning companies and organizational performance. A limitation of the study is the small sample size of learning companies in the study. Also some potential alternative explanations for their performance cannot be completely ruled out due to the longitudinal nature of the study. Originality/value This study shows that there is a positive link between learning capability and competitive advantage, as measured by long‐term market financial performance of a group of learning companies.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle