MétaCan
Menu
Retour à la cohorte
Enregistrement W4293214428 · doi:10.5267/j.ijdns.2022.4.008

Data quality analytics, business ethics, and cyber risk management on operational performance and fintech sustainability

2022· article· en· W4293214428 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Mining and Machine Learning Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessLISRELStructural equation modelingOperational risk managementAnalyticsAccountingRisk managementOperational riskQuality (philosophy)SustainabilityDescriptive statisticsKnowledge managementProcess managementComputer scienceFinanceData scienceStatistics

Résumé

récupéré en direct d'OpenAlex

This study conducted a test to see the influence of data quality analytics, business ethics, and cyber risk management on operational performance and its implication on corporate sustainability of Fintech P2P Lending companies registered and licensed in Indonesian Financial Services Authority (OJK). This study used descriptive analysis and statistical method Structural Equation Modeling (SEM)-Lisrel. The data was collected by using questionnaires given to 104 managers from 91 Fintech P2P Lending companies registered and licensed at OJK until the end of December 2021. The results show that data quality analytics and cyber risk management had a positive and significant influence on operational performance. The results also show that analytical data quality, business ethics and cyber risk management had a positive and significant influence on operational performance. The findings of this study added to the limitations of the research literature on the elaboration of variables that determine performance and business sustainability in Fintech P2P lending.

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.

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)0,009
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil0,843

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,002
Science ouverte0,0040,007
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,062
Tête enseignante GPT0,383
Écart entre enseignants0,321 · 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