MétaCan
Menu
Retour à la cohorte
Enregistrement W4210805390 · doi:10.5267/j.uscm.2021.11.010

The relationship between passion, planning, goal setting, target achievement and sustainable supply chain in food industry

2022· article· en· W4210805390 sur OpenAlexvenueno aff
Anchalee Hiranphaet, Tommanee Suksai, Karnnapat Chumkad, Ratchaneewan Sujarit, Pongtep Phudetch, Sirion Son-ong, Ronnakorn Vaiyavuth, Kittisak Jermsittiparsert, Rungkarn Siliboon

Notice bibliographique

RevueUncertain Supply Chain Management · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPassionSupply chainSustainabilityBusinessSustainable developmentMarketingScale (ratio)Data collectionProcess managementEnvironmental economicsEconomicsPsychologyPolitical scienceSociologySocial psychologyGeography

Résumé

récupéré en direct d'OpenAlex

Food industry has vital importance globally in which supply chain sustainability plays a key role. Therefore, the objective of this study is to examine the role of passion, planning, goal setting and target achievement in a sustainable supply chain. This study examined the relationship between passion, planning, goal setting, target achievement and sustainable supply chain among the food industry of Indonesia. Questionnaire survey was preferred, and 500 questionnaires were used for data collection. Findings of the study concluded that passion has a positive role in target achievement and an insignificant effect on sustainable supply chain. Planning has a positive effect on target achievement and sustainable supply chain. Moreover, goal setting has a positive role in target achievement and no role in supply chain. Furthermore, target achievement has a significant mediating role. Finally, the relationship between passion, planning, goal setting, target achievement and sustainable supply chain has valuable contributions to the literature.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,448
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,019
Tête enseignante GPT0,242
Écart entre enseignants0,224 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207