MétaCan
Menu
Retour à la cohorte
Enregistrement W4386457518 · doi:10.3390/jrfm16090395

Managing Financial Performance toward Achievements in Sustainability Prospects: Comparative Analysis of the e-Commerce and Hospitality Industries

2023· article· en· W4386457518 sur OpenAlexvenueno aff
Gabrijela Veličković, Jelena Stanojević, Milan Veselinović

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDebtBusinessFinanceWorking capitalAsset (computer security)SustainabilityHospitalityCapital structureFinancial systemTourism

Résumé

récupéré en direct d'OpenAlex

The recent pandemic has been identified as a driver of one of the most severe socio-economic crises over the last few decades. While some sectors have experienced an expansion, others have struggled with a changed business environment. The aim of this research is to simultaneously examine the financial performance and sustainability of the e-commerce and hospitality industries, applying asset and debt ratio analysis to the top five companies in the world from each sector in the time period from 2017 to 2022. The results indicate that the assessed companies demonstrated the ability to successfully manage some of their assets. The debt ratio analysis implies that the assessed companies in the hotel industry have reshaped their capital structure, increasing their reliance on debt in 2020 and 2021 to finance their assets. On the contrary, the selected e-commerce companies were found on average to rely less on debt to finance assets. In accordance with expectations, the differences across the examined sectors and companies that have been observed are mostly in regard to the lower scale of utilization of fixed assets to generate turnover, and in terms of the increased share of debts used to finance assets in the hotel industry, which was among the first and hardest hit by the pandemic. Consequently, the study allows policy makers to identify distinctive strategies for each area of economic activity.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,030
Tête enseignante GPT0,265
Écart entre enseignants0,235 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207