Contabilidad de gestión para controlar o coordinar en entornos turbulentos: su impacto en el desempeño organizacional
Bibliographic record
Abstract
Este trabajo analiza si la información generada por los sistemas de contabilidad de gestión (SCG) impacta de modo diferente sobre el desempeño de organizaciones en entornos turbulentos según se use para controlar o coordinar (conceptos de la teoría de costos de transacción). Los datos provienen de una encuesta con 42 respuestas de empresas localizadas en la provincia de Córdoba, Argentina. Los resultados destacan el efecto positivo sobre el desempeño organizacional cuando la contabilidad de gestión se emplea principal-mente para coordinar en entornos turbulentos hasta un cierto límite. El propósito de uso se modela mejor como variable independiente y no como variable mediadora o moderadora. Estudios de casos indicaron que los SCG median los factores externos y el desempeño, pero aquí se refuta la idea aplicada a entornos turbulentos donde las acciones de los directivos no influyen sobre factores externos (mercado y tecnología).Se sugiere, para empresas medianas en economías regionales de Latinoamérica, que si los SCG se usan para coordinar se tendrá un efecto positivo en el desempeño organizacional, combinado con el uso para controlar limitado a medición de costos, sistemas de compensación e incentivos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".