MétaCan
Menu
Retour à la cohorte
Enregistrement W4377290256 · doi:10.3390/jrfm16050279

Determinants Influencing the Application of Lean Accounting: The Case of Vietnamese Garment Firms

2023· article· en· W4377290256 sur OpenAlexvenueno aff
Thi Minh Phuong Nguyen, Thi Hai Chau Ngo

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAccounting and Organizational Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVietnameseBusinessLean manufacturingCronbach's alphaProductivityValue stream mappingQuality (philosophy)Production (economics)AccountingOrder (exchange)Product (mathematics)MarketingOperations managementService (business)EconomicsFinance

Résumé

récupéré en direct d'OpenAlex

The shift towards lean production is gradually replacing traditional mass production, and lean accounting is also being mentioned to evaluate operational efficiency based on the lean philosophy, eliminating waste, and simplifying direct cost aggregation along the value stream to improve productivity, distribution, quality, and service. This study aims to evaluate the impact of various factors on the adoption of lean accounting in Vietnamese garment firms based on data collected from 242 survey questionnaires completed by managers and accountants of Vietnamese garment firms. Through Cronbach’s Alpha test, EFA test, and multiple regression analysis to verify and forecast information, eight determinants affecting the adoption of lean accounting in Vietnamese garment firms are arranged in descending order of influence, including leadership, size, cost of implementation, resources, accounting department, education and training, culture, and competitive pressure. Based on the findings, recommendations are proposed to management businesses and agencies to address shortcomings in the process of applying lean accounting, contributing to making it one of the most effective tools in promoting product development and continuous improvement, enhancing quality and production efficiency.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,367

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,218
Écart entre enseignants0,212 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetAccounting and Organizational ManagementTravaux en français237 207