MétaCan
Menu
Retour à la cohorte
Enregistrement W2765287148 · doi:10.5430/afr.v6n4p244

The Financial Effects of Strategic Divestment – An Analysis of GE Capital

2017· article· en· W2765287148 sur OpenAlexvenueno aff
Sean Stein Smith

Notice bibliographique

RevueAccounting and Finance Research · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCapital Investment and Risk Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDivestmentIndustrial organizationBusinessStrategic managementStrategic leadershipContext (archaeology)Multinational corporationStrategic planningMarketingEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Strategic thinking and initiatives are traditionally focused on expanding business operations, developing new product lines, or entering new markets. Disruptive innovation, blue ocean strategy, and fast follower innovation differ in application, methodology, and specifics that vary from industry to industry, but commonalities remain. Building out new platforms, products, services, and customer engagement initiatives are virtually ubiquitous with different strategic techniques. That said, and the focus of this analysis, is the interpretation of strategy within an alternative framework. Focusing on the transition of General Electric from a multinational conglomerate heavily dependent on General Electric Capital Corporation to a conglomerate focusing on industrial technology and sustainability this research analysis the effect of strategic divestment on organizational performance. Analysing this transition both in terms of financial ramifications and a strategic headset, a review of the financial performance of GE provides a quantitative platform to conduct a strategic analysis. Strategy, and strategic divestment and decision making involve divestment, a multifaceted approach, and realignment of organizational resources. What this research does, in this context, is examine the strategic framework and direction of GE as this reposition occurs, alongside the financial performance generated during this transition.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,749
Score d'incertitude au seuil0,741

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,074
Tête enseignante GPT0,321
Écart entre enseignants0,247 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting and Finance ResearchMême sujetCapital Investment and Risk AnalysisTravaux en français237 207