MétaCan
Menu
Retour à la cohorte
Enregistrement W2077703622 · doi:10.1108/jic-01-2014-0014

Intellectual capital in small and medium enterprises in Pakistan

2015· article· en· W2077703622 sur OpenAlexaff
Muhammad Khalique, Nick Bontis, Jamal Abdul Nassir Shaari, Abu Hassan Md Isa

Notice bibliographique

RevueJournal of Intellectual Capital · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Capital and Performance Analysis
Établissements canadiensMcMaster University
Organismes subventionnairesUniversiti Malaysia Sarawak
Mots-clésIntellectual capitalContext (archaeology)BusinessSample (material)Empirical researchReliability (semiconductor)OriginalityHuman capitalCapital (architecture)MarketingEconomicsFinanceStatisticsEconomic growthPsychologyCreativityMathematics

Résumé

récupéré en direct d'OpenAlex

Purpose – The purpose of this paper is to evaluate the links between intellectual capital sub-components and organizational performance in small and medium enterprises (SMEs) operating in the electrical and electronics manufacturing sector in Pakistan. Design/methodology/approach – Data were collected through structured questionnaires from a sample of 247 respondents from Pakistani SMEs in Gujranwala and Gujarat. Several tests were used to examine the reliability and validity of the research instrument. Finally, multiple regression analysis was used to test the proposed research hypotheses. Findings – The findings of this study demonstrate that the overall regression model of intellectual capital shows goodness of fit while one component of intellectual capital – namely human capital – appeared insignificant. Subsequently, six out of seven research hypotheses was accepted. Practical implications – This study will provide a valuable framework for entrepreneurs, executives, managers and policy makers in managing intellectual capital within the Pakistani context. Originality/value – To the best knowledge of the authors, this is the first empirical study that has been conducted on SMEs operating in the electrical and electronics manufacturing sector in Pakistan.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,026
Tête enseignante GPT0,252
Écart entre enseignants0,226 · 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

Citations248
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

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