MétaCan
Menu
Retour à la cohorte
Enregistrement W4388315849 · doi:10.5267/j.uscm.2023.8.017

The effect of intellectual capital towards sustainability of business performance mediated by eco-product innovation & external learning: The Indonesian bottled drinking water industries

2023· article· en· W4388315849 sur OpenAlexvenueno aff
Daniel D. Kameo, Harijono Harijono

Notice bibliographique

RevueUncertain Supply Chain Management · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCompetitor analysisIntellectual capitalBottled waterBusinessStructural equation modelingProduct innovationIndustrial organizationSustainabilityIndonesianProduct (mathematics)Competitive advantageMarketingBridging (networking)New product developmentKnowledge managementComputer science

Résumé

récupéré en direct d'OpenAlex

This study developed and empirically corroborated a structure explicitly propositioning eco-product innovation and external learning, correspondingly bridging the link between intellectual capital and sustainability performance. The theory of dynamic capabilities and knowledge-based view proposed eco-product creation and external education as mediators that developed a new conceptual model. This study utilized the Partial Least Square-Structural Equation Modelling (PLS-SEM method) to examine one hundred sixty-two Indonesian bottled drinking industries, exposing their attentiveness to cooperate in the study. More essentially, the study unraveled new justifications by scrutinizing external learning's role as more influential than eco-product innovation. Based on the practical viewpoint, intellectual capital helped exchange knowledge and information with distributors, suppliers, and competitors. Thus, the complete assimilation and transformation of their understanding could improve business performance.

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)0,005
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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,002
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 Opus0,011
Tête enseignante GPT0,225
Écart entre enseignants0,214 · 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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207