MétaCan
Menu
Retour à la cohorte
Enregistrement W2091134313 · doi:10.5539/ass.v10n20p15

Studying the Impact of Intellectual Capital at Industrial Enterprises on Their Market Capitalization

2014· article· en· W2091134313 sur OpenAlexvenueno aff
L. N. Ustinova, А.Э. Устинов

Notice bibliographique

RevueAsian Social Science · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Development and Regional Competitiveness
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessMarket capitalizationCapitalizationIntellectual capitalIndustrial organizationAsset (computer security)Value (mathematics)Capital (architecture)Finance

Résumé

récupéré en direct d'OpenAlex

The study sets a task of identifying the impact of intellectual capital structure components on the significance of capitalization of industrial sector enterprises of the Russian Federation.The bottom line of the predicted data by method of indicators is:• Human capital has no significant effect on qualitative characteristics of fuel and energy, metallurgic and food industry enterprises.• Customer capital, less than other factors, has an impact on the capitalization of electric power complex, machine building and construction sectors. It is in these sectors that the negative values of variables are recorded.• Least of all structural capital components impact the indicators of mining, metallurgic and electric power enterprises. Maximum value, and hence the influence, the structural capital exerts on construction sector enterprises.This study is a great asset to make up the programmes for effective resources management of non-material character for managers of the enterprises of industrial economic sector.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,494
Score d'incertitude au seuil0,441

Scores Codex et Gemma par catégorie

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

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 Opus0,045
Tête enseignante GPT0,243
Écart entre enseignants0,198 · 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 tête enseignante, 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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetEconomic Development and Regional CompetitivenessTravaux en français237 207