Mapping the State of the Art on Green Logistics and Institutional Pressures: A Bibliometric Study
Notice bibliographique
Résumé
This article aims to build knowledge on the theme “green logistics” and “institutional pressures”, focused on identifying opportunities on its research topic. We used the ProKnow-C intervention instrument, resulting in the selection of 11 relevant articles that came to represent the bibliographic portfolio. Therefore, the bibliometric indicators based on the most prominent journals, the impact factor, the number of citations, the origin of the research centers, the research methods/tools, the most used terms and the subjects covered were used to analyze the articles selected. research in the form of networks. The results showed that the most prominent journal is the International Journal of Production Economics; the article with the largest number of citations (343 citations) is written by Sameer Kumar and Valora Putnam. In relation to the origin of the research centers there was a diversity of institutions of various nationalities, the USA being the country with the largest number of institutions, followed by United Kindon and Malaysia. As for the research methods, we have identified literature reviews, case studies, surveys, conceptual framework proposal and monitoring system development. In relation to the mapping and research networks, we highlight terms such as logistic, regulatory pressure, practice, driver, economic performance, institutional pressure, among other relevant terms. In this context, this information can “shed light” on interested parties and researchers on the subject in order to conceptualize, interpret and visualize their relevance, as well as the coverage networks and related researches.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,181 | 0,251 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».