Valuing Information Technology Related Intangible Assets1
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
In this article, we assess the value of information technology related intangible assets and then use data on business practices and management capabilities to understand how this value is distributed across firms. Using a panel of 127 firms over the period 2003–2006, we replicate and extend the finding from Brynjolfsson, Hitt, and Yang (2002) that $1 of computer hardware is correlated with more than $10 of market value. We account for the “missing $9” by broadening the definition of IT to include capitalized software, and then include all purchased and internally developed software, other internal IT services, IT consulting, and IT-related training (whether or not it is capitalized by the firm). In addition, we use data on IT-related business practices in order to analyze the distribution of IT-related intangibles within the sample. Our results suggest that the “invisible” IT not accounted for on balance sheets is being priced into the market value of firms. We also estimate that there is a 45% to 76% premium in market value for the firms with the highest organizational IT capabilities (based on separate measures of human resource practices, management practices, internal IT use, external IT use, and Internet capabilities), as compared to those with the lowest organizational IT capabilities. Our results thus suggest that contributions of IT to value depend heavily on other factors, and are not a rising tide that lifts all boats.
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 | 0,000 | 0,000 |
| 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 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,011 |
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