MétaCan
Menu
Retour à la cohorte
Enregistrement W4408258862 · doi:10.5267/j.dsl.2024.12.013

Resource-based management and organizational performance: The role of co-creation, environmental policy and organizational learning support

2025· article· en· W4408258862 sur OpenAlexvenueno aff
Huan Tuong Vo

Notice bibliographique

RevueDecision Science Letters · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensnon disponible
Organismes subventionnairesViet Nam National University Ho Chi Minh City
Mots-clésOrganizational learningBusinessKnowledge managementOrganizational behavior and human resourcesOrganizational performanceOrganization developmentOrganizational commitmentResource (disambiguation)Process managementMarketingManagementComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

In today's rapidly evolving business environment, driven by technological advancements and increasing stakeholder expectations, firms must strategically innovate to ensure long-term success and competitiveness. This study examines the interconnections between co-creation, resource-based management, environmental policy, organizational learning support, and organizational performance within the framework of Industry 4.0, grounding its analysis in the resource-based view theory. Focusing on the emerging market context of Vietnam, the research utilizes data collected by means of a survey of 321 managers across various industries, applying Partial Least Squares Structural Equation Modeling to explore these respondents’ perspectives on the relationships between the factors listed above. The findings provide actionable insights and strategic recommendations of relevance to companies which aim to thrive in the dynamic landscape of Industry 4.0, particularly in emerging markets. This study contributes to the existing literature by offering practical implications for the optimization of resource management and enhancement of organizational performance in the context of ongoing industrial transformation.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,392
Score d'incertitude au seuil0,532

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
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 Opus0,004
Tête enseignante GPT0,227
Écart entre enseignants0,223 · 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 revueDecision Science LettersMême sujetInnovation and Knowledge ManagementTravaux en français237 207