The effect of knowledge management on firm performance. mediating role of production technology, supply chain integration, and green supply chain
Notice bibliographique
Résumé
The company's technology implementation is inseparable from employees' ability to operate and use it optimally. Therefore, companies must maintain a developed and adequate process knowledge management according to the latest needs to improve performance while considering environmental impacts. This study investigated the role of knowledge management in adopting production technology, supply chain integration, and green supply chain toward firm performance. The study surveyed the manufacturing industry in East Java that has implemented green supply chain management, with respondents having at least two years of experience working. Respondents have filled in as many as 115 questionnaires considered valid from the 145 questionnaires received. Data processing used the partial least squares software 4.0 version. The result indicated that knowledge management significantly influenced production technology, supply chain integration, and green supply chain adoption. However, knowledge management does not influence firm performance directly. Production technology enables supply chain integration, green supply chain adoption, and firm performance. Furthermore, supply chain integration affects green supply chain adoption and firm performance. Moreover, the result indicated that supply chain adoption directly influences the firm’s performance. The practical implication of the results enlightens the managers and top management on the importance of updated technology and knowledge for employees, enabling the adoption of supply chain integration and green supply chain in the pursuit of enhanced firm performance. These results enrich the current research in supply chain management theory.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».