Intellectual capital and performance within the banking sector of Luxembourg and Belgium
Notice bibliographique
Résumé
Purpose Intellectual capital is widely acknowledged as the most critical resource of modern organizations. Nevertheless, empirical evidence on its actual contribution to the dynamics of the value creation process remains scarce, especially within certain sectors and geographic regions. The purpose of this paper is to address this gap by investigating the effects of intellectual capital and its components on business performance in banking institutions within Luxembourg and Belgium. Design/methodology/approach This empirical research is conducted using a dedicated survey instrument administered to over 200 banks. Data analysis is achieved through structural equation modeling. Findings Results indicate that human capital contributes both directly and indirectly to business performance in the banking sector. Structural and relational capital are positively related to business performance, though results are not statistically significant. Surprisingly, relational capital has been evidenced to negatively moderate the effect of structural capital on performance. Research limitations/implications Traditional limitations of a cross‐sectional study apply with respect to the attribution of causality and the time lag effects. Practical implications A set of reliable items to capture intellectual capital has been identified and represents actionable knowledge for implementing an intellectual capital dashboard in banks. The dominant role of human capital also provides insight to managers with respect to business performance levers. Originality/value Disentangling the effects of intellectual capital on business performance is of the utmost importance in service firms, as they are heavily reliant on intangible resources and capabilities. This research contributes to develop current understanding of these effects. Moreover, interaction effects between human, structural and relational capital have also been uncovered, thus extending prior knowledge on these complex relationships.
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 | 0,002 |
| 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 | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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 ».