Mapping the State of the Art on Green Logistics and Institutional Pressures: A Bibliometric Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,012 | 0,027 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle