Self-Awareness in Business Acumen as a Cognitive Bridge Between Accounting Proficiency and Financial Performance in Thai Community Enterprises
Notice bibliographique
Résumé
This study investigates the mediating role of self-awareness within the broader framework of business acumen, emphasizing its connection to entrepreneurial accounting proficiency and financial performance in community enterprises across Thailand. The purpose is to advance theoretical understanding by integrating metacognition theory and the resource-based view (RBV), and to provide practical insights for strengthening grassroots entrepreneurship. Using survey data from 210 enterprises, a hybrid Structural Equation Modeling–Artificial Neural Network (SEM–ANN) approach is applied to capture both linear and nonlinear relationships among cognitive, technical, and financial variables. The results confirm that accounting proficiency has a significant and positive effect on self-awareness with value of 0.125. However, self-awareness does not exert a direct influence on financial performance. These findings suggest that self-awareness may function as a cognitive enabler, facilitating the translation of entrepreneurial skills into effective decision-making, rather than serving as an independent predictor of financial outcomes. Empirical patterns further reveal that commercial enterprises report higher self-awareness than service firms, unregistered enterprises show greater awareness than registered ones, and financially stable firms display lower awareness, suggesting complacency or overconfidence. In contrast, regular participation in training significantly enhances awareness, underscoring the role of continuous learning.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».