MétaCan
Menu
Retour à la cohorte
Enregistrement W132008116 · doi:10.4018/978-1-4666-1945-6.ch101

Future Trends in SCM

2012· book-chapter· en· W132008116 sur OpenAlexaff
Reza Zanjirani Farahani, Faraz Dadgostari, Ali Tirdad

Notice bibliographique

RevueIndustrial Engineering · 2012
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésConceptualizationProcess (computing)Field (mathematics)Supply chainManagement scienceSupply chain managementKnowledge managementProcess managementFoundation (evidence)Computer scienceManagement philosophyEngineering ethicsEngineeringBusinessManagementPolitical scienceArtificial intelligenceMarketing

Résumé

récupéré en direct d'OpenAlex

The field of supply chain management (SCM) has experienced radical changes in its short life period. Originating from 1980 and 1990s management trends and techniques of operations management, passing process oriented and system oriented approaches in the 1990s, and now attracting the attention to behavioral approaches have all caused SCM to be largely vertiginous. So dealing with its future requires a more accurate method than common predicator fashions. Therefore, the chapter first considers SCM as a body of knowledge in which evolution is based on its theoretical foundation, and therefore, prevalent research paradigm(s), research methodological base(s) used by developers, and also real world challenges that motivate it. Consequently, the authors review current status of SCM from standpoint of the discipline’s theory, its conceptualization process, and most used research methods and approaches. Then the authors will be able to use its implications to adopt an appropriate model of philosophy of knowledge for scientific change and knowledge growth of SCM. This can be used as a guide to the future of supply chain management.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,007
Études des sciences et des technologies0,0020,003
Communication savante0,0090,009
Science ouverte0,0010,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0170,005

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 Opus0,048
Tête enseignante GPT0,218
Écart entre enseignants0,170 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial EngineeringMême sujetQuality and Supply ManagementTravaux en français237 207