Exploring the relationship between the knowledge creation process and intellectual capital in the pharmaceutical industry
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 – This paper aims to explore the relationship between knowledge creation and intellectual capital (IC) through an empirical study in the pharmaceutical industry. In the current economy, knowledge and IC are considered as the most important organizational assets and are the key resources in gaining competitive advantage. Design/methodology/approach – This paper adopts the socialization, externalization, combination and internalization (SECI) model to examine the format of knowledge creation processes (KCP) and uses a model to demonstrate the relationship between KCP and IC and its components in the pharmaceutical industry. A valid instrument was adopted to collect the required data on KCP and and IC dimensions. Structural equation modeling was used to assess the measurement model and to test the research hypotheses using the data collected from 470 completed questionnaires. Findings – The results supported the research model and revealed that KCP has significant influence on the accumulation of human capital. The performance of human capital manifests significant impact on structural capital and relational capital. Practical limitations/implications – Given the strong association between KCP and IC, managers should define their own robust operations for knowledge creation to improve their IC accumulation. Originality/value – This research departs from the earlier research on KCP–IC by adopting the SECI model and a research model that facilitates the exploration of the relationship between KCP and IC dimensions in the pharmaceutical industry. The research results provided strong support for the KCP–IC relationship.
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 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle