MétaCan
Menu
Retour à la cohorte
Enregistrement W4389848047 · doi:10.5267/j.dsl.2023.11.001

The effect of management control systems on business performance and innovation organizational as moderating and mediating variable

2023· article· en· W4389848047 sur OpenAlexvenueno aff
Agus Setiyawan, Tubagus Ismail, Munawar Muchlish, Ina Indriana

Notice bibliographique

RevueDecision Science Letters · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAccounting and Organizational Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésModerationMediationScope (computer science)Knowledge managementOrganizational performanceControl (management)Management control systemStructural equation modelingDependency (UML)Empirical researchLatent variableVariable (mathematics)Dual (grammatical number)PsychologyComputer scienceSocial psychologyMathematicsSociologyStatisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

There were still contradictory results from earlier research on the relationship between organizational innovation, performance, and management control systems (MCS). In order to account for these contradictory results, future studies ought to concentrate on the empirical analysis of Simon's MCS theory. The purpose of the study was to assess the mediation and moderation model in relation to performance, innovation, and MCS. The study intends to broaden the scope by employing a more thorough definition and measurement of research variables. Because the Partial Least Square (PLS) can concurrently assess the existence of a dual dependency relationship of a latent variable, the study used PLS to test the hypothesis. The mediated hypothesis which holds that MCS indirectly affects performance through innovation seems to be supported by these data. All things considered, this study contributes to the understanding of the ambiguous and contradictory conclusions of earlier studies that examined the connection between MCS, innovation, and 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 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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,480
Score d'incertitude au seuil0,798

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,006
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
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 GPT0,214
Écart entre enseignants0,208 · 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'étudeSimulation ou modélisation
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 revueDecision Science LettersMême sujetAccounting and Organizational ManagementTravaux en français237 207