MétaCan
Menu
Retour à la cohorte
Enregistrement W2185550989 · doi:10.1016/j.jom.2015.06.002

Sustainable evaluation and verification in supply chains: Aligning and leveraging accountability to stakeholders

2015· article· en· W2185550989 sur OpenAlexafffund
Jury Gualandris, Robert D. Klassen, Stephan Vachon, Matteo Giacomo Maria Kalchschmidt

Notice bibliographique

RevueJournal of Operations Management · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensWestern University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésAccountabilitySupply chainLeverage (statistics)BusinessVariety (cybernetics)StakeholderProcess managementAuditKnowledge managementSupply chain managementAccountingMarketingComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

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.

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)0,064
score de la tête « metaresearch » (Gemma)0,112
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: aucune
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,340

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0640,112
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0040,013
Communication savante0,0110,014
Science ouverte0,0010,010
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,072
Tête enseignante GPT0,293
Écart entre enseignants0,220 · 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'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

Citations347
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

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