MétaCan
Menu
Retour à la cohorte
Enregistrement W3124092544

IT Capability and a Firm’s Ability to Recover from Losses: Evidence from the Economic Downturn of the Early 2000s

2012· article· en· W3124092544 sur OpenAlexaff
Changling Chen, Jee‐Hae Lim, Theophanis C. Stratopoulos

Notice bibliographique

RevueSSRN Electronic Journal · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCompetitor analysisSustainabilityRecessionBusinessIndustrial organizationEarningsEconomicsMarketingAccountingMacroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Prior literature shows that during an economic downturn firms have difficulty sustaining superior performance, and a larger percentage of firms report losses. Motivated by this literature, we explore the role of sustainability of organizational IT capability (ITC) on a firm’s performance during an economic downturn. Specifically, we examine how ITC sustainability contributes to a firm’s ability to recover from losses. ITC sustainability reflects a firm’s ability to resist competitors’ attempts to imitate or improve on its ITC. We use ITC sustainability to classify firms as sustainable (Systematic ITC), as non-sustainable (Occasional ITC), and as having no ITC (Non-ITC). Using a sample of large US firms during the economic downturn of the early 2000s, we show that Systematic ITC firms achieve higher levels of firm-specific abnormal earnings and are capable of faster recovery when compared to all competitors (Occasional ITC and Non-ITC firms) and competitors with only Occasional ITC.

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)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,131
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,023
Tête enseignante GPT0,230
Écart entre enseignants0,207 · 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetFirm Innovation and GrowthTravaux en français237 207