Intellectual capital and financial performance in the Serbian ICT 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 – The purpose of this paper is to examine whether intellectual capital (IC) creates value in the Serbian information communication technology (ICT) sector. More specifically, it examines the degree to which IC and its key components affect the financial performance of selected ICT companies compared to effects on physical and financial capital. Design/methodology/approach – The analysis included 13,989 Serbian ICT companies during 2009-2013. Value-added intellectual coefficient (VAIC) was used to measure the level of IC contribution to value creation. Measures of financial performance used in the study were return on equity, return on assets, return on invested capital, profitability, and asset turnover. Findings – Results indicate that, when using firm size and leverage as control variables, only capital-employed efficiency has significant effect on financial performance. Finally, the research confirms that there were no significant differences in financial performance among different ICT subsectors. Research limitations/implications – Main research limitation is related to the disadvantages of VAIC as the measure of IC’s contribution to value creation. Practical implications – Owners and managers of Serbian ICT companies must recognize the importance of managing both the physical capital and the intangible resources embedded in their employees and processes. Originality/value – This is the first paper to examine comprehensively the impact of IC on financial performance in the ICT sector in a transitional economy. This study differs from prior studies in that the authors analyzed every company that operated in Serbian ICT 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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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