MétaCan
Menu
Retour à la cohorte
Enregistrement W4385990082 · doi:10.23919/picmet59654.2023.10216881

Digital Transformation as an Enabler of Sustainability in Supply Chain and Logistics: Evidence from the Field

2023· article· en· W4385990082 sur OpenAlexaff
Marcelo André Machado, Kazuo Hatakeyama

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensKwantlen Polytechnic University
Organismes subventionnairesnon disponible
Mots-clésEnablingMindsetSustainabilityDigital transformationSupply chainBusinessSustainable businessDigitizationReputationBig dataComputer scienceMarketingTelecommunicationsPolitical science

Résumé

récupéré en direct d'OpenAlex

Digital transformation (DT), represented by technology trends like Artificial Intelligence (AI), Big Data (BD), Internet of Things (IoT) are a reality for most business. Most companies are implementing DT strategies, and the Global Pandemic may have accelerated the digitization of businesses. Concurrently, another set of trends focus on the need for improving the sustainability of business processes. It is now widely accepted the Earth cannot tolerate a continue, average increase in global temperatures at the rate it is currently experiencing. Governments committed to carbon emission goals have tighten environment regulations. Moreover, customers and even investors have shifted their mindset and sustainability related performance indicators are now part of the decision of doing business with a company or not. Lastly, an increasing number of business leaders are implementing principled leadership approaches, including social and environmental issues in their agenda. To make the matters worse, new technology developments like AI have the reputation of being power hungry requiring increasingly larges amount of energy to run. It is arguable DT may be further worsening the environmental crisis. As a sign of hope, there are multiple industry cases of the application of digital technologies, notably AI supported by BD, as enablers of sustainable business practices have emerged in recent years. The main objective of this research is to conduct an analysis of select industry examples investigate the potential of DT as an enabler of sustainable business processes instead of an additional cause of concern. This research will more specifically focus on studying DT as an enabler sustainability in supply chain and logistics since upstream and downstream carbon emissions correspond in average to 70% of a company’s carbon emissions not directly related to their primary processes.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,478
Score d'incertitude au seuil0,231

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,262
Écart entre enseignants0,240 · 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 tête enseignante, 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Transformation in IndustryTravaux en français237 207