Sustainable evaluation and verification in supply chains: Aligning and leveraging accountability to stakeholders
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
Abstract Managers are being challenged by multiple (and diverse) stakeholders, which have variety of expectations and informational needs about their firm’s supply chains. Collectively, these expectations and needs form a multi‐faceted view of stakeholder accountability, namely the extent to which a firm justifies behaviors and actions across its extended supply chain to stakeholders. To date, sustainable supply chain management research has largely focused on monitoring as a self‐managed set of narrowly defined evaluative activities employed by firms to provide stakeholder accountability. Nevertheless, evidence is emerging that firms have developed a wide variety of monitoring systems in order to align with stakeholders’ expectations and leverage accountability to stakeholders. Drawing from the accounting literature, we synthesize a model that proposes how firms might address accountability for sustainability issues in their supply chain. At its core, the construct of sustainable evaluation and verification (SEV) captures three interrelated dimensions: inclusivity, scope, and disclosure. These dimensions characterize how supply chain processes might identify key measures, collect and process data, and finally, verify materiality, reliability and accuracy of any data and resulting information. As a result, the concept of monitoring is significantly extended, while also considering how different stakeholders can play diverse, active roles as metrics are established, audits are conducted, and information is validated. Also, several antecedents of SEV systems are explored. Finally, the means by which an SEV system can create a competitive advantage are investigated.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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