MétaCan
Menu
Retour à la cohorte
Enregistrement W2494420363 · doi:10.1057/9781137015891_11

Supply Chain Structure as a Critical Driver of Sustainable Supplier Practices

2011· book-chapter· en· W2494420363 sur OpenAlexaff
Amrou Awaysheh, Robert D. Klassen

Notice bibliographique

RevuePalgrave Macmillan US eBooks · 2011
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSupply chainBusinessIndustrial organizationMarketing

Résumé

récupéré en direct d'OpenAlex

As technology improves the transfer of information, a broader range of customers and stakeholders gain access to more information about what happens within supply chains. As a result, issues like poor worker conditions in suppliers’ facilities are increasingly pushed into the limelight. What used to be hidden behind long distances and language differences is more visible (Lee, 2002; Van Der Zee & Van Der Vorst, 2005). As a result, consumers, governments, and nongovernmental organizations (NGOs) are demanding that companies be held more accountable for what happens. Concerns include the use of sweatshop labor, the provision of safe working conditions, and the payment of a living wage to their employees. In response, a growing number of firms are exploring how to identify, assess, and monitor supplier-related social issues and practices. They can monitor their suppliers to ensure adherence to social expectations, conduct audits, or use a certification provided by an independent third-party. Fairtrade (Fairtrade, 2007) is one such thirdparty certification for agricultural commodities such as coffee and cocoa beans. Following an audit, certification is granted to cooperative farms in developing countries that adhere to a number of sustainability-related principles, including safe working conditions for employees, payment of fair wages, and environmentally friendly cultivation techniques. In contrast, other firms choose to develop their own standards internally, for example Starbucks’ system for assessing and working with farmers, termed Coffee and Farmer Equity (CAFE). These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.

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)0,016
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 enseignants0,018
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,003
Communication savante0,0080,007
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,001

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 Opus0,015
Tête enseignante GPT0,237
Écart entre enseignants0,222 · 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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePalgrave Macmillan US eBooksMême sujetSustainable Supply Chain ManagementTravaux en français237 207