MétaCan
Menu
Retour à la cohorte
Enregistrement W2775366074 · doi:10.5430/ijfr.v9n1p41

Performance Evaluation and Determinant Factors of China’s Logistics Enterprises Based on Careersmart Balanced Score Card

2017· article· en· W2775366074 sur OpenAlexvenueno aff
Maoguo Wu, Chengzhe Bai

Notice bibliographique

RevueInternational Journal of Financial Research · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOutsourcing and Supply Chain Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessChinaIndex (typography)Human capitalEmpirical researchLiabilityScale (ratio)Asset (computer security)Service (business)Investment (military)MarketingIndustrial organizationFinanceEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

China has become the second-largest market for logistics worldwide. However, its logistics performance index (LPI) is ranked 27th, which is far below the average of East Asia and Central Asia (World Bank, 2016). This paper empirically tests determinant factors of China’s logistics enterprises based on the Careersmart Balanced Score Card. The data are gathered from 42 listed logistics enterprises spanning from 2012 to 2016. Empirical results reveal that corporate performance on the part of China’s logistics enterprises is positively correlated with the factors of human capital investment, long-term liability, research and development expenses, the number of employees with higher education preferably a postgraduate degree, and ownership concentration, while factors negatively correlated with the proportion and cost of core business include management, delay rate, company scale, and other factors. The paper also considers the influence of operational management, customer service, asset structure, and innovation. Policy implications based on empirical results are proposed accordingly.

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)0,003
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 enseignants0,140
Score d'incertitude au seuil0,400

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
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 Opus0,087
Tête enseignante GPT0,362
Écart entre enseignants0,275 · 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 revueInternational Journal of Financial ResearchMême sujetOutsourcing and Supply Chain ManagementTravaux en français237 207