Food cold chain management: what we know and what we deserve
Notice bibliographique
Résumé
Purpose The purpose of this paper is to present a quantitatively supported explanation of the intellectual development, the schools of thought and the sub-areas of the food cold chain (FCC) research to derive meaningful avenues for future research. Design/methodology/approach This study builds on bibliometric analysis and network analysis to systematically evaluate a sample of 1,189 FCC articles published over the past 25 years. The descriptive statistics and science mapping approaches using co-citation analysis were performed with VOSviewer software. Findings The findings reveal a state-of-the-art overview of the top contributing and influential countries, authors, institutions and articles in the area of FCC research. A co-citation analysis, coupled with content analysis of most co-cited articles, uncovered four underlying research streams including: application of RFID technologies; production and operation planning models; postharvest waste, causes of postharvest wastage and perishable inventory ordering polices and models; and critical issues in FCC. Current research streams, clusters and their sub-themes provided meaningful discussions and insights into key areas for future research in FCC. Originality/value This study might reshape practitioners’, researchers’ and policy-makers’ views on the multifaceted areas and themes in the FCC research field, to harness FCC’s benefits at both strategic and tactical level. Finally, the research findings offer a roadmap for additional research to yield more practical and modeling insights that are much needed to enrich the field.
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 | 0,029 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,006 | 0,018 |
| Communication savante | 0,027 | 0,057 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».