MétaCan
Menu
Retour à la cohorte
Enregistrement W4394885903 · doi:10.5267/j.uscm.2024.2.006

The Impact of Information and Communication Technology on Commercial Banks’ Performance: Evidence from MENA

2024· article· en· W4394885903 sur OpenAlexvenueno aff
Ahmad A. Al‐Naimi, Ahid Yaseen, Mohammad Ahmad Alnaimat, Shafiq Al Abed, Umar Farooq

Notice bibliographique

RevueUncertain Supply Chain Management · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueEconomic Growth and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInformation and Communications TechnologyBusinessPanel dataProfit (economics)Industrial organizationInvestment (military)MarketingCreativityInformation technologyPerceptionEconomicsEconometricsComputer scienceMicroeconomics

Résumé

récupéré en direct d'OpenAlex

The importance of information in achieving different organizational goals cannot be overstated since it ensures the rapid distribution of resources required to achieve desirable goals. The banking industry’s environment is incredibly dynamic and undergoes quick changes because of creativity, innovation, technological advancements, altered perceptions, and customer expectations. The center of the change curve is information and communication technology (ICT). Business organizations, particularly those in the banking sector, operate in a complex and competitive environment defined by shifting conditions and a volatile economic climate. Data for 20 MENA countries has been collected from the World Bank database between 1997 and 2021. Two-step System (Generalized Method of Moments) GMM were used to evaluate the influence of intrinsic features of individuals in a panel data set and avoid bias caused by omitted variables. The impact of the relationship between banks' performance and their use of ICT was evaluated in this study. The data analysis revealed that the impact of ICT on bank performance in MENA is positive. This suggests that a little shift in the banking industry's investment and adoption of ICT will result in a corresponding rise in profit levels.

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 enseignants0,011
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,013
Tête enseignante GPT0,250
Écart entre enseignants0,237 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetEconomic Growth and DevelopmentTravaux en français237 207