MétaCan
Menu
Retour à la cohorte
Enregistrement W4294636394 · doi:10.5267/j.uscm.2022.8.012

Mediation effect of collaborative performance system on fresh produce supply chain performance with a lateral collaboration structure model

2022· article· en· W4294636394 sur OpenAlexvenueno aff
Edi Susanto, Norfaridatul Akmaliah Othman, Suwarni Tri Rahayu, Nur Rachman Dzakiyullah, Etty Handayani, Sri Gunawan, Rika Ampuh Hadiguna

Notice bibliographique

RevueUncertain Supply Chain Management · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Teknikal Malaysia Melaka
Mots-clésSupply chainBusinessMediationNonprobability samplingStructural equation modelingQuality (philosophy)AgricultureInformation sharingResource (disambiguation)MarketingConsumption (sociology)Supply chain managementSustainabilityIndustrial organizationSample (material)CommodityEnvironmental economicsEconomicsPopulation

Résumé

récupéré en direct d'OpenAlex

Fresh produce which are part of agricultural products that can survive during the pandemic in Indonesia, there is even an increase in supply, this contribution is important for the availability of these products in maintaining consumption needs in maintaining public health levels in the midst of an unfavourable situation for all parties, including sustainability of business in this chain network. However, the development of this commodity still has many obstacles, especially in the ability to provide high-quality products, resource capabilities and manage existing information, especially the farmers who are involved in cooperation in this supply chain system, so that it can impact their performance. This study explores the mediating effect of collaborative performance systems (CPS) in lateral collaboration structures such as; information sharing (ISH), resource sharing (RSH), contract farming (CTF) and join mode transportation (JTM) in individual companies (CIP) and supply chain performance (SPO) in the fresh produce supply chain (FPSC). The sample in this study was taken based on purposive sampling from the participation of respondents in the FPSC network consisting of farmers producing fresh vegetables and fruits who are members of the Association of the Farmers Groups (Gapoktan), distributors, owners of transportation modes and supermarkets. Respondents consisted of 72 people who had filled out complete questionnaires from their four supply chain channel partners. Data collection methods were analyzed using a structural equation approach. The results of the study that the mediation of CPS on the performance of CIP and SPO in the FPSC was confirmed.

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)0,004
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,001

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 Opus0,006
Tête enseignante GPT0,227
Écart entre enseignants0,221 · 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'étudeSimulation ou modélisation
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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetSMEs Development and Digital MarketingTravaux en français237 207