MétaCan
Menu
Retour à la cohorte
Enregistrement W3146670818 · doi:10.5267/j.uscm.2021.1.001

Supply risk management: A case study of halal food industry in Malaysia

2021· article· en· W3146670818 sur OpenAlexvenueno aff
Fadhlur Rahim Azmi, Haslinda Musa, Boon Cheong Chew, Indira Priyadarsini Jagiripu

Notice bibliographique

RevueUncertain Supply Chain Management · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHalal products and consumer behavior
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Teknikal Malaysia Melaka
Mots-clésBusinessTraceabilityRisk managementSupply chain risk managementSupply chainAgency (philosophy)Upstream (networking)Quality (philosophy)Risk analysis (engineering)Supply chain managementEnvironmental economicsIndustrial organizationMarketingOperations managementFinanceService managementEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to identify the types of halal food supply risks, types of mitigation strategies for the upstream supply chain and to examine the relationship between halal supply risk and mitigation strategy efforts using the lens of the agency theory. Exploratory factor analysis (EFA) is used to validate the variables of the study and regression is performed to analyze the relationship of halal food supply risk and mitigation strategy. It is identified that halal food supply risk (agency uncertainties) consists of quality risk, delivery risk, and price/cost risk. The mitigation strategy efforts consist of behavior-based management, buffer-based management, and traceability-based management. Results indicate that halal food supply risk significantly increase mitigation strategy efforts of firms. However, price & cost risk does not significantly increase behavior-based management. Practical implications include suggesting the firms to invest more in buffer-oriented so as to mitigate the agency uncertainties.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,299
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetHalal products and consumer behaviorTravaux en français237 207