MétaCan
Menu
Retour à la cohorte
Enregistrement W2757474271 · doi:10.3390/f8100360

The Effect of Customer–Contractor Alignment in Forest Harvesting Services on Contractor Profitability and the Risk for Relationship Breakdown

2017· article· en· W2757474271 sur OpenAlexaff
Mattias Eriksson, Luc LeBel, Ola Lindroos

Notice bibliographique

RevueForests · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésProfitability indexBusinessSupply chainProfit (economics)Business risksMarketingIndustrial organizationFinanceRisk analysis (engineering)Economics

Résumé

récupéré en direct d'OpenAlex

In forest operations, the interface between forest companies and harvesting contractors is of special importance, considering that it is the first link in the forest industry’s supply chains. Supply operations account for a significant share of the final costs of wood products (up to 50%). This study investigates the effect of customer–contractor alignment on contractors’ profit margins and on the risk for business relationship breakdown. Alignment is empirically measured for a Swedish forest company and 74 of its harvesting contractors, who were monitored during a four-year period. Two measures of alignment are employed: (1) the customer-perceived value of the contractors’ services; and (2) the contractors’ perceived alignment with the forest company expectations. Results indicate that the two measures of alignment are largely independent from each other, and that customer-perceived value affects both contractor profitability and the risk of relationship breakdown. Conflict between the two parties and lack of trust for the customer were found to be common complaints among contractors who ceased working for the studied forest company. Consequently, customer–contractor alignment should be considered a key objective by contractors who strive for business success, and also by forest companies who wish to improve their supply chain performance.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,062
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,261
Écart entre enseignants0,247 · 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.

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

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetQuality and Supply ManagementTravaux en français237 207