EMERGING DISCOURSE INCUBATOR: Delivering Transformational Change: Aligning Supply Chains and Stakeholders in Non‐Governmental Organizations
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
Governments and global corporations increasingly both confront and rely on international non‐governmental organizations ( INGO s) to identify, design, and deliver interventions that prompt transformational change in societies, industries, and supply chains. For INGO s, transformational change is defined as a fundamental, long‐lasting reframing of a social or industrial system through synergistically altering the knowledge, practices, and relationships of multiple stakeholder groups. With each intervention, the focal INGO assembles its own complex supply chain of nonprofit organizations and for‐profit firms to provide the necessary resources and skills. While prior supply chain management literature provides a good starting point, with some generalizability to the nonprofit sector, this study begins with several key differences to explore how interventions are delivered, and then, how INGO s’ supply chains must be aligned. In doing so, at least three critical factors must be taken into account to improve alignment: stakeholder‐induced uncertainty; supply chain configuration; and supply chain dynamism. By synthesizing these factors with prior literature and emerging anecdotal evidence, tentative frameworks and research questions emerge about how INGO s can better leverage their supply chains, thereby offering a basis for scholars in supply chain management to build a much richer and more nuanced research understanding of INGO s.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| 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