Intellectual capital in East and West African social enterprises
Notice bibliographique
Résumé
Abstract Purpose This study aims to identify the main factors of knowledge assets (i.e., human, relational and structural capital) that affect the value creation process of social enterprises located in East and West Africa. Design A survey was administered to a sample of social enterprises located in developing countries such as Kenya, Uganda, Sierra Leone and Ghana. The survey was designed to gather background information about social enterprises, social entrepreneurs as well as data pertaining to intellectual capital. Therefore, descriptive statistical analysis, principal component analysis and Pearson correlations were employed to identify the main components of IC for African SEs and the inter‐relationship among intellectual capital components. Findings Research findings confirmed that human capital (i.e., a social entrepreneur's knowledge), relational capital (i.e., local and global relationship quality) and structural capital (i.e., long‐term and up‐to‐date firm knowledge) were validated as important resources for African SEs in the value creation process. Moreover, correlation analysis showed that human capital and relational capital were positively correlated; whereas structural capital was positively correlated with the local and global relationship's quality and with the social entrepreneur's skills. Limitations The main limitations concern the heterogeneity and the restricted sample size due to challenges in the data gathering process. Moreover, the results could potentially be influenced by the context and the low response rate. However, this study can represent a starting point for future research in this unique but important research setting. Originality This study can be considered original for several reasons. First, empirical evidence on knowledge assets in developing countries in Africa is still scarce, despite the potential of being a new frontier for intellectual capital studies and social and economic growth. Second, the use of a survey method as an IC measurement tool in this context is unique. Finally, this study helps in providing a platform for further investigation in Africa.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».