MétaCan
Menu
Retour à la cohorte
Enregistrement W3112829436 · doi:10.5267/j.ac.2020.11.021

The effect of innovation capability on business performance: The role of social capital and entrepreneurial leadership on SMEs in Indonesia

2020· article· en· W3112829436 sur OpenAlexvenueno aff
Astri Ayu Purwati, Budiyanto Budiyanto, Suhermin Suhermin, Muhammad Luthfi Hamzah

Notice bibliographique

RevueAccounting · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndonesianBusinessSimple random sampleSmall and medium-sized enterprisesSocial capitalSample (material)Capital (architecture)Government (linguistics)PopulationNonprobability samplingStratified samplingMarketingIndustrial organizationBusiness administrationFinanceStatisticsGeographySociology

Résumé

récupéré en direct d'OpenAlex

The presence of small and medium-sized enterprises (SMEs) in Indonesia will contribute to the movement of the Indonesian economy, so its growth is an essential part that must be considered by the government. The goal of this study was to explore the role of innovative capabilities in improving the performance of Indonesian SMEs. A variable approach to social capital, entrepreneurial leadership, innovation ability and SME efficiency was used in this research. The research included a sample of 352 small and medium-sized enterprises in Pekanbaru, Indonesia, consisting of 19 medium-sized enterprises and 333 small enterprises out of a total population of 2887 small and medium-sized enterprises (the sampling methodology used was chance sampling and simple random sampling methods). The findings show that social capital does not explicitly have a substantial impact on the business performance of SMEs in Pekanbaru, but if it is mediated by creative capacities, social capital indirectly plays a role in improving the performance of SMEs. Entrepreneurial leadership has a big influence on SMEs.

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)0,004
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 seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,245
Écart entre enseignants0,225 · 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

Citations96
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccountingMême sujetSMEs Development and Digital MarketingTravaux en français237 207