MétaCan
Menu
Retour à la cohorte
Enregistrement W3182274631 · doi:10.3390/jrfm14070310

The Development of a Small and Medium-Sized Business Risk Management Intervention Tool

2021· article· en· W3182274631 sur OpenAlexvenueno aff
Niel A. Krüger, Natanya Meyer

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRisk Management in Financial Firms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessRisk managementDocumentationSmall and medium-sized enterprisesContext (archaeology)Process managementIT risk managementRisk analysis (engineering)Investment (military)Business risksOperations managementFinanceComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Risk is inevitable in business. For large companies, risk management is formalised and structured through compliance with industry standards. However, small and medium-sized businesses (SMEs) rarely have adequate resources to develop their own standards or conform to pre-established criteria. This results in an increased vulnerability to risk, which tends to undermine SMEs’ sustainability. The primary reasons for the low adoption rate of risk management are related to the tremendous initial difficulty in orientating the business concerning risk and the significant investment of the workforce in developing and implementing a structured managerial process. The objective of this paper is to produce a guided process tool for small and medium-sized businesses with which they can identify, evaluate, and appropriately address risks from an SME perspective. Moreover, this intervention would offer enhancements at no cost beyond the time of its implementation. In order to identify what constitutes holistic risk management, document analysis was applied, which utilised risk management standards, academic articles, books, and regulatory policy and strategy documentation. The identified elements were integrated with a tool that improves business owners’ capacity to position themselves in context with their daily risk management challenges.

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)0,013
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,031
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,009
Tête enseignante GPT0,203
Écart entre enseignants0,194 · 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'étudeThéorique ou conceptuel
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetRisk Management in Financial FirmsTravaux en français237 207