Managerial Myopia Control to Improve Financial Performance in Microfinance Institutions
Notice bibliographique
Résumé
Management makes many strategic decisions that have an impact on the performance of the company.Decision-making carried out by management allows for decision-making bias.Our research seeks to gain a further understanding of the managerial phenomenon of myopia, where previous empirical research has been very limited and conceptual.This study aims to analyze the influence of managerial myopia on financial performance in microfinance institutions.This decision-making bias is a concern because of the impact it causes and is often not realized by many managers.Methodology This research uses explanatory research that emphasizes the relationship between research variables through hypothesis testing.Research variables include temporal myopia, spatial myopia, failure myopia, and financial performance.Data collection was carried out using structured questionnaires, and analysis was performed using PLS-SEM with SMART-PLS software.The results showed that managerial myopia (temporal, spatial, and failure) negatively affects financial performance.These results indicate that the biased practices of management may affect the company's financial performance.This study contributes to the financial literature on managerial myopia by analyzing the influence of managerial myopia on financial performance, thereby increasing understanding of the phenomenon of managerial myopia in microfinance institutions, where previous research was still limited.Managers can easily use the indicators we developed to assess managerial myopia as metrics for each type of myopia.These empirical results serve as an impetus for myopic managers to redirect their behavior and help convince sustainability-oriented managers to stay on track.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».