MétaCan
Menu
Retour à la cohorte
Enregistrement W3026844958 · doi:10.5430/rwe.v11n2p98

The Effects of Obstructive Factors and Rewards Related to Technological Innovation on Management Performance: Focusing on Chinese Companies

2020· article· en· W3026844958 sur OpenAlexvenueno aff
Eun-Mi Park, Joung-hae Seo

Notice bibliographique

RevueResearch in World Economy · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOrganizational Leadership and Management Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStructural equation modelingComputer scienceKnowledge managementMarketingBusinessMachine learning

Résumé

récupéré en direct d'OpenAlex

Background/Objectives: This study empirically analyzed the factors relevant to the effects of Obstructive factor and rewards on Technical performance and Image, management performance.Methods/Statistical analysis: In this study, PLS, a analytic method, was used among other structural equation models. PLS is not structurally strict and helpful in analyzing models at the early phase of developing theories despite incomplete models. This study conducted online survey among Chinese companies.Findings: Rewards gave positive effects on technological performance and images. Furthermore, technological performance showed the same effects on images and performance. Images gave the same effects on business performance.Improvements/Applications: This study demonstrated the important relationship between obstructive factors and rewards, technical performance and image, which will serve as a guideline for further management performance.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,821
Score d'incertitude au seuil0,342

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
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 Opus0,044
Tête enseignante GPT0,291
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in World EconomyMême sujetOrganizational Leadership and Management StrategiesTravaux en français237 207