Barriers to Blockchain Adoption in the Circular Economy: A Fuzzy Delphi and Best-Worst Approach
Notice bibliographique
Résumé
Blockchain can help to fundamentally alter aspects of circular economy (CE) activities and overcome pressing sustainability issues. Nevertheless, limited studies have investigated the barriers to blockchain adoption in the CE. This study aims to close the knowledge gap by providing a comprehensive review of the barriers hampering the adoption and integration of blockchain technology in the CE. An integrated approach based on fuzzy Delphi and best-worst methods has been applied to analyze and rank the barriers. Sixteen barriers to blockchain adoption in the CE were identified from the academic literature and validated by a panel of experts. The findings from the fuzzy Delphi technique identified ten significant barriers for further analysis. Then, using the best-worst method, the optimal weights were determined based on the experts’ judgment to recognize the importance of each barrier. The findings from this method showed that a lack of knowledge and management support, reluctance to change and technological immaturity are the most significant barriers. In contrast, the least significant barriers are investment costs, security risks, and scalability issues. Theoretically, this study is the first to apply an integrated approach combining fuzzy Delphi and best-worst techniques to prioritze the barriers to blockchain adoption in the CE. It also provides valuable insights for managers and decision-makers that can be used to optimize blockchain implementations in the CE.
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 | 0,068 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,011 | 0,005 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».