An analysis of keywords used in the literature on green supply chain management
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The purpose of this paper is to analyze the keywords used in peer-reviewed literature on green supply chain management. Design/methodology/approach To determine the keywords that were used in this area, an analysis of 629 papers was conducted. The papers were identified through searches of 13 keywords on green supply chains. Trends in keyword usage were analyzed in detail focusing on examining variables such as the most frequently used journals/keywords, their frequencies, citation frequency and research contribution from different disciplines/countries. Findings A number of different terms have been used for research focused on the environmental impacts of supply chains, including green supply chains, sustainable supply chains, reverse logistics and closed-loop supply chains, among others. The analysis revealed that the intensity of research in this area has more than tripled in the past six years and that the most used keyword was “reverse logistics”. The use of the terms “green supply chains” and “sustainable supply chains” is increasing, and the use of “reverse logistics” is decreasing. Research limitations/implications The analysis is limited to 629 papers from the Scopus database during the period of 2007 and 2012. Originality/value The paper presents the first systematic analysis of keywords used in the literature on green supply chains. Given the broad array of terms used to refer to research in this area, this is a needed contribution. This work will help researchers in choosing keywords with high frequency and targeting journals for publishing their future work. The paper may also provide a basis for further work on developing consolidated definitions of terms focused on green 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.
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 | 0,018 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,019 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| 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 découle