MétaCan
Menu
Retour à la cohorte
Enregistrement W2072354718 · doi:10.5539/jms.v4n3p157

Sustainable Supply Chain Management as a Strategic Tool for Competitive Advantage in Tea Industry in Kenya

2014· article· en· W2072354718 sur OpenAlexvenueno aff
Barasa Peter Wamalwa

Notice bibliographique

RevueJournal of Management and Sustainability · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKenyaCompetitive advantageBusinessSupply chainMarketingSupply chain managementPopulationOrder (exchange)Sustainable growth rateSample (material)Industrial organization

Résumé

récupéré en direct d'OpenAlex

It is assumed that companies that utilize sustainable supply chain management as a strategic tool in businessmanagement are likely to have a competitive edge over others. However, this is contrary to the Tea Industry inKenya. The main purpose of this research was to establish the role of sustainable supply chain management as astrategic tool for competitive advantage in the tea industry in Kenya. The specific objective was to find out towhat extent the supply chain collaborative strategy as a tool for competitive advantage is used by the companiesin tea industry in Kenya. The mixed research design was used in the study. The target population was the teacompanies in Kenya and the sample of eight Tea Companies were purposively selected for the study. Datacollection was done by use of both structured questionnaires and oral interview to get the primary data while thesecondary data was obtained by documentary analysis. The results finding indicated that sustainable supplychain management as a strategic tool contributes to the competitive advantage of Kenyan tea companies in theglobal market. The results provide information to the tea companies to come up with sustainable strategies intheir supply chain management in order ensure the Kenyan tea remains competitive in the global market.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,352
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,253
Écart entre enseignants0,243 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations17
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and SustainabilityMême sujetQuality and Supply ManagementTravaux en français237 207