MétaCan
Menu
Retour à la cohorte
Enregistrement W2051154762 · doi:10.1016/s0272-6963(01)00078-x

Determinants of purchasing team usage in the supply chain

2002· article· en· W2051154762 sur OpenAlexaff
P. Fraser Johnson, Robert D. Klassen, Michiel R. Leenders, Harold E. Fearon

Notice bibliographique

RevueJournal of Operations Management · 2002
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPurchasingBusinessSupply chainMarketingContext (archaeology)Supply chain managementProduct (mathematics)Industrial organizationConstruct (python library)Service (business)Process managementComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Increased attention on supply chain management has highlighted the pivotal role that supply chain management and purchasing teams can play in the overall competitiveness of many firms. This paper presents findings from an exploratory study that analyzes the impact of purchasing’s strategic role, industry context and purchasing organizational structure, on the use of various forms of purchasing teams. Using survey data from a broad sample of industries, we found that team usage was a two‐dimensional construct: internal teams and councils, and customer teams. In addition, purchasing’s strategic role comprised two factors: product and technology planning, and external systems planning. After controlling for firm size, purchasing’s strategic role was positively related to the greater use of internal teams and councils, but not customer teams. Industry context also played a role in the usage of teams, with internal teams and councils more extensively used by the firms that manufactured discrete goods. Meanwhile, firms in the service sector favored the use of customer teams. Finally, both industry context and purchasing’s organizational structure were related to the strategic role assumed by purchasing, with a decentralized structure tending to reduce that strategic role.

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)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,018
Tête enseignante GPT0,241
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 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'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

Citations87
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Operations ManagementMême sujetSustainable Supply Chain ManagementTravaux en français237 207