MétaCan
Menu
Retour à la cohorte
Enregistrement W2278602043 · doi:10.5539/ibr.v9n3p68

Interorganizational Cost Management Study on Inhibitor

2016· article· en· W2278602043 sur OpenAlexvenueno aff
Rafael Araújo Sousa Farias

Notice bibliographique

RevueInternational Business Research · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessOrder (exchange)Exploratory researchWork (physics)MarketingFace (sociological concept)Supply chain managementSupply chainStrategic managementKnowledge managementProcess managementComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

Strategic cost management in supply chains is not a new concept. Coordinated actions between companies of the same chain, in order to reduce costs and end consumer price, offer opportunities for improved results. Interorganizational Cost Management (IOCM) is a structured approach with a broad vision, beyond the borders of the organization, which aims to reduce costs at the internal and external levels. Indeed, cost management is a complex issue that permeates all areas of the organization and may pose a number of difficulties to be implemented and sustained. Thus, this work has the overall goal of identifying, in the literature, the factors and conditions that inhibit the applicability of the Interorganizational Cost Management approach. To achieve these goals, an analysis was made of 35 academic research studies available in the literature that reported the difficulties faced by companies in cooperative cost management. The analysis of the studies showed the perceptions of different companies, and described the difficulties they face; therefore, the present research is qualitative and exploratory. Factors that inhibit IOMC were grouped into: (i) corporate strategy; (ii) integration of companies; (iii) people; (iv) intra- and interorganizational processes; (v) corporate training and education; (vi) disputes between companies; and (vii) lack of trust between companies.

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)0,004
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,021
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0030,002
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,087
Tête enseignante GPT0,365
Écart entre enseignants0,278 · 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetQuality and Supply ManagementTravaux en français237 207