From supply chain learning to the learning supply chain: drivers, processes, complexity, trade-offs and challenges
Notice bibliographique
Résumé
Purpose The view that supply chain learning (SCL) has become a fundamental capability that supply chains must employ to innovate and improve their financial, technological, operational, environmental and social performance is widely accepted. However, the SCL phenomenon is still understudied and not fully understood by scholars, decision-makers and government representatives. This article aims to make sense of the existing literature and to identify important research directions that require further attention. Design/methodology/approach This article reviews the diversity of SCL in the literature, proposes a typology of such a phenomenon, provides an overview of key articles in the literature and identifies a series of recommendations for the future development of the field. Findings This article combines two fundamental dimensions from the literature (i.e. SCL driver and SCL network) to produce a typology of four types of SCL: Captive, Consortium, Selective and Distributed. Practical implications The typology proposed here offers an important framework for supply chain decision-makers to rely on when implementing SCL initiatives. The implications of each type of SCL offer a robust rationale for decision-makers to adopt the most appropriate type of SCL or combinations of SCL types, given each situation. In addition, the typology supports policy-makers in further understanding the SCL phenomenon and creating effective innovation, economic development and sustainability policies through supply chains. Originality/value This article offers a novel typology that the authors hope will help scholars to advance the field of SCL in order to understand this important phenomenon. There is no good/bad/better/worse SCL type in the proposed typology, but the critical element for the success of SCL efforts is the level of fit between the type of SCL, the type of knowledge to be created and diffused, and the outcome supply chains aim to achieve with that learning effort. In addition, the authors coin the construct of “the learning supply chain”, which refers to a supply chain that learns constantly by employing all four types of SCL simultaneously.
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 | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,019 |
| Communication savante | 0,018 | 0,023 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».