MétaCan
Menu
Retour à la cohorte
Enregistrement W4386015060 · doi:10.5267/j.ijdns.2023.6.017

Impact of dynamic capabilities on competitive performance: A moderated-mediation model of entrepreneurship orientation and digital leadership

2023· article· en· W4386015060 sur OpenAlexvenueno aff
Islam A. Azzam, Atallah Fahed Alserhan, Yazeed Theeb Mohammad, Nancy Abdullah Shamaileh, Sulieman Ibraheem Shelash Al-Hawary

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueOrganizational and Employee Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDynamic capabilitiesCompetitive advantageEntrepreneurial orientationEntrepreneurshipMediationKnowledge managementBusinessConceptual modelModerated mediationConceptual frameworkValue (mathematics)Survey data collectionSample (material)MarketingComputer sciencePolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

This research aims to provide a logical and experimental framework that helps organizations achieve goals in turbulent environments by examining the impact of dynamic capabilities on competitive performance with the conditional indirect effect of entrepreneurship orientation and digital leadership. A conceptual framework was derived from well-established theories in strategic management, along with empirical evidence based on a survey conducted on a sample of 102 leaders and managers in the entrepreneurial companies in Jordan. This study demonstrates the positive impact of dynamic capabilities in developing competitive performance. Moreover, the entrepreneurship orientation mediates the relationship between dynamic capabilities and competitive performance and digital leadership has a positive moderating role in this relationship. This research recommends leaders and managers in entrepreneurial organizations to define clear standards for measuring competitive performance that enable identifying and correcting deviations in a timely manner and invites them to focus on creating value in turbulent environments by exploiting advanced technological capabilities and adopting innovative strategies and business models.

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)0,005
score de la tête « metaresearch » (Gemma)0,015
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 enseignants0,013
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,046
Tête enseignante GPT0,303
Écart entre enseignants0,257 · 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

Citations90
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetOrganizational and Employee PerformanceTravaux en français237 207