MétaCan
Menu
Retour à la cohorte
Enregistrement W4379364574 · doi:10.5267/j.uscm.2023.5.009

The impact of green human resource management on green pharmaceutical supply chain management practices

2023· article· en· W4379364574 sur OpenAlexvenueno aff
Benameur Dahinine, Abderrazak Laghouag, Wassila Ben Sahel, Tarik Guendouz, Abdelhamid Bennaceur

Notice bibliographique

RevueUncertain Supply Chain Management · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Tabuk
Mots-clésBusinessSupply chain managementSupply chainHuman resource managementCompetition (biology)Industrial organizationPerformance appraisalSample (material)MarketingKnowledge managementEconomicsManagementComputer science

Résumé

récupéré en direct d'OpenAlex

Today's competition is among supply chains rather than enterprises as independent actors. Additionally, the success of the actors within the SC network, through the improvement of the global performance, depends on how well they handle the growing environmental problems. For this reason, much attention is given to the greening concept. This paper aims to investigate the Green Human Resource Management (GHRM) impact on Green Supply chain Management (GSCM) in a strategic sector, namely the pharmaceutical sector. Our interest to deal with this issue was aroused by the fact that there are no studies exploring the causality relationships in the pharmaceutical sector in Saudi Arabia. Based on deductive methodology, a questionnaire has been developed. A research sample included 109 pharmaceutical companies operating in KSA. The results highlight a significant impact of GHRM on GSCM practices. In other words, training and performance appraisal, recruitment, and eco-behavior-based rewards influence GSCM practices positively. Based on the results, the study provides new theoretical insights and practical suggestions.

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)0,006
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, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,727
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0040,005
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,034
Tête enseignante GPT0,320
Écart entre enseignants0,286 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetSustainable Supply Chain ManagementTravaux en français237 207