Logistics IS resources, organizational factors, and operational performance
Notice bibliographique
Résumé
Purpose Drawing on the resource-based view and resource complementarity theory, the purpose of this paper is to investigate two research questions: To what extent are logistics information system (IS) resources associated with improved operational performance? And to what extent are these relationships contingent on organizational factors? Design/methodology/approach A conceptual model with a nested structure is presented to link logistics IS resources and organizational factors with operational performance. The findings are validated using a cross-sectional sample of secondary data from domestic logistics firms in China. Findings This paper extends existing operational-level measures for logistics IS resources into a three-tier tactical-level typology: inside-out resources (operation-focused IS, decision-focused IS and IS development capability); outside-in resources (relation-focused IS and market-focused IS); and spanning resources (IS integration capability and IS management capability). Though logistics IS resources, in general, are positively related to operational performance, inside-out IS resources have the most significant impact. Organizational factors, such as firm size, firm age and firm ownership, may enhance or suppress the effects of logistics IS resources on performance. Practical implications The findings are valuable to both logistics firms and buyer firms in an emerging market, as logistics IS resources may affect costs and quality of logistics service. The tactical-level typology allows logistics firms to better plan for and manage emerging IS resources in a competitive environment. Originality/value This paper extends prior work regarding the complementary effects of logistics IS resources and organizational factors on operational performance. Logistics firms should carefully manage the three types of tactical-level IS resources according to their organizational environment to achieve a sustainable competitive advantage.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».