MétaCan
Menu
Retour à la cohorte
Enregistrement W4408171778 · doi:10.5267/j.jpm.2025.2.007

Leveraging activity-based costing and information technology strategic enhancements in decision-making, and competitive advantage in industrial projects

2025· article· en· W4408171778 sur OpenAlexvenueno aff
Abubkr Ahmed Elhadi Abdelraheem, Nasrin Babiker Mohamed Elbashir

Notice bibliographique

RevueJournal of Project Management · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInformation Technology Governance and Strategy
Établissements canadiensnon disponible
Organismes subventionnairesPrince Sattam bin Abdulaziz University
Mots-clésCompetitive advantageActivity-based costingBusinessProcess managementKnowledge managementManufacturing engineeringEngineering managementComputer scienceOperations managementEngineeringMarketing

Résumé

récupéré en direct d'OpenAlex

This study examined the impact of activity-based Costing ABC and information technology IT on decision-making and competitive advantage in Sudanese industrial projects. The experimental results of this study were based on a questionnaire administered to accountants and administrators in 61 industrial projects in Sudan, and the data were analyzed using partial least squares. The study's results indicate that using activity-based costing and information technology methods in determining costs, evaluating company profits, and approximating product costs positively affects managerial decisions while improving the competitive advantage of industrial projects. The use of activity-based Costing and information technology affects decision-making and competitive advantage in industrial projects in Sudan. The study recommended that continuous training helps obtain the benefits of using activity-based Costing and information technology in industrial projects. The results show that the result gained from using activity-based Costing and information technology in determining costs, decision-making, and expanding competitive advantage has been affected by attending training programs, gradually, based on learning the capabilities of the activity-based costing system and the information technology system.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,482
Score d'incertitude au seuil0,547

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
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 Opus0,018
Tête enseignante GPT0,272
Écart entre enseignants0,254 · 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'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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Project ManagementMême sujetInformation Technology Governance and StrategyTravaux en français237 207