MétaCan
Menu
Retour à la cohorte
Enregistrement W3106885443 · doi:10.5267/j.msl.2020.10.034

Empirical analysis of intellectual capital, potential absorptive capacity, realized absorptive capacity and cultural intelligence on innovation

2020· article· en· W3106885443 sur OpenAlexvenueno aff
Wisnu Yuwono

Notice bibliographique

RevueManagement Science Letters · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy and Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAbsorptive capacityIntellectual capitalBusinessTourismStructural equation modelingIndustrial organizationIndonesianSocial capitalCapital (architecture)MarketingKnowledge managementComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

The purpose of this research is to reveal the influence of intellectual capital, potential absorptive capacity, realized absorptive capacity, and cultural intelligence on innovation in the tourism sector in Batam City. Batam has geopolitical and geographic advantages, located in the Malacca Strait, adjacent to and directly facing Singapore and Malaysia. It has not been optimal in exploring the potential for innovation in the tourism sector. Thus, this sector does not yet have a significant contribution to economic development. The research was conducted on the management of companies that are members of the Association of the Indonesian Tours and Travel Agencies in Batam City, totaling 54 people. By using the analysis of Structural Equation Model (SEM) with SmartPLS version 3.0, the results show that 1) intellectual capital has no effect on innovation; 2) potential absorptive capacity has no effect on innovation; 3) Realized absorptive capacity has a significant positive effect on innovation, and 4) Cultural Intelligence has a significant positive effect on innovation. The results of this study will give some insight to company managers in the tourism sector for developing innovation to maintain business continuity.

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)0,002
score de la tête « metaresearch » (Gemma)0,019
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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,058
Tête enseignante GPT0,278
Écart entre enseignants0,220 · 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

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetFinancial Literacy and BehaviorTravaux en français237 207