MétaCan
Menu
Retour à la cohorte
Enregistrement W3082743884 · doi:10.5267/j.msl.2020.8.034

The intervening effect of structural capital on the relationship between strategic innovation and manufacturing SMEs’ performance in Yemen

2020· article· en· W3082743884 sur OpenAlexvenueno aff
Nagwan AlQershi, Zakaria Abas, Sany Sanuri Mohd Mokhtar

Notice bibliographique

RevueManagement Science Letters · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Capital and Performance Analysis
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Tun Hussein Onn Malaysia
Mots-clésStructural equation modelingBusinessSample (material)Export performanceIndustrial organizationPartial least squares regressionCapital (architecture)Small and medium-sized enterprisesWork (physics)Field surveyComponent (thermodynamics)Business administrationMarketingKnowledge managementComputer scienceMechanical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The field of strategic innovation (SI) has been garnering increasing research interest, with studies adopting and employing varying definitions and creating different methods for its measurement. Despite the innumerable studies, few have addressed manufacturing and small and medium-sized enterprises (SMEs), particularly those focused on Middle East countries, in light of the relationship between structural capital (SC) and SI. Hence, the present work is primarily aimed at examining the role of SC in SI and the performance of manufacturing SMEs. It employed the survey method to gather data from the study sample of 284 Yemeni manufacturing SMEs and the hypotheses were tested using Partial Least Squares-Structural Equation Modelling (PLS-SEM). On the basis of the results, there is a significant influence of SI on performance; SC also has a moderating role of on this relationship. The present study is expected to contribute to the creation of a measurement system for SI in SMEs, stressing each component of SI in enhancing the performance of such enterprises.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,035
Tête enseignante GPT0,240
Écart entre enseignants0,205 · 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 source (Gemma direct ou Codex distillé), 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

Citations24
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetIntellectual Capital and Performance AnalysisTravaux en français237 207