MétaCan
Menu
Retour à la cohorte
Enregistrement W4210362824 · doi:10.5267/j.uscm.2022.2.001

The influence of tangible resources and operational performance to promote financial performance of electronic industry

2022· article· en· W4210362824 sur OpenAlexvenueno aff
Sasiwimon Wongwilai, Sarawut Putnuan, Ananya Banyongpisut, Watanyu Choopak, Chatchai Sutikasana, Kitichai Wongcharoensin, Metha Oungthong, Lamphai Trakoonsanti, Kittisak Jermsittiparsert

Notice bibliographique

RevueUncertain Supply Chain Management · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProfitability indexBusinessSupply chainMediationStructural equation modelingIndonesianData collectionPopulationMarketingIndustrial organizationEnvironmental economicsFinanceEconomicsComputer scienceStatistics

Résumé

récupéré en direct d'OpenAlex

The objective of this study is to examine the role of tangible resources and operational performance (OP) in the financial performance (FP). This study examined the relationship between tangible resources, OP, supply chain, profitability and sustainable FP. Furthermore, this study examined the mediation effect of supply chain and profitability. Indonesian electronic companies were selected in the current study for data collection. Therefore, the population is grounded on the Indonesian electronic companies and data were collected from the employees of these companies. 600 questionnaires were used in this study for data collection and 350 questionnaires were returned to analyze the data. Data analysis was carried out through Structural Equation Modeling (SEM). Results of the study highlighted that resources are the major role in FP. Particularly, the tangible resources of the company are vital to enhance the performance in financial terms. Tangible resources have a positive effect on OP, supply chain and profitability. Furthermore, OP has a positive effect on supply chain and profitability which further increases the FP.

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)0,009
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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
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 savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,006
Tête enseignante GPT0,201
Écart entre enseignants0,196 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetManagement and Optimization TechniquesTravaux en français237 207