MétaCan
Menu
Retour à la cohorte
Enregistrement W2050991408 · doi:10.1108/14691930910922932

Strategic environment and intellectual capital of Indian banks

2009· article· en· W2050991408 sur OpenAlexaff
Harjinder Deol

Notice bibliographique

RevueJournal of Intellectual Capital · 2009
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Capital and Performance Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésIntellectual capitalRelational capitalContext (archaeology)DeregulationLiberalizationValue (mathematics)Generalizability theoryGovernment (linguistics)EconomicsBusinessOriginalityIndustrial organizationMarketingMarket economyFinanceSociology

Résumé

récupéré en direct d'OpenAlex

Purpose This paper aims to propose that the development and use of intellectual capital (IC) elements by firms is contingent on the effect of the strategic environment on them. Design/methodology/approach The paper is a case study of the Indian banking industry, and considers how different banks responded to deregulation and industry reforms in terms of developing and exploiting their IC. Findings Government‐, private‐ and foreign‐owned banks used and developed different elements of IC (structural, human and relational capital) in response to the change in their strategic environment due to the reforms. These responses appear to be contingent on firm history and the initial endowments of IC. Research limitations/implications A reliance on print archival sources and context specificity limits the generalizability of the findings. Practical implications The paper complements Kamath's cross‐sectional estimation of VAIC™ in the Indian banking industry, and seeks to introduce consideration of the strategic environment of firms. Originality/value The paper is one of the first systematic studies on the post‐liberalization strategies of banks in India, an important emerging economy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,203
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Intellectual CapitalMême sujetIntellectual Capital and Performance AnalysisTravaux en français237 207