MétaCan
Menu
Retour à la cohorte
Enregistrement W4386318574 · doi:10.1002/bse.3552

Examining sustainable supply chain management via a social‐symbolic work lens: Lessons from Patagonia

2023· article· en· W4386318574 sur OpenAlexafffund
Mojtaba Mohammadnejad Shourkaei, Kelsey M. Taylor, Bruno Dyck

Notice bibliographique

RevueBusiness Strategy and the Environment · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésSupply chainSustainabilityWork (physics)BusinessReductionismSupply chain managementLens (geology)Spillover effectSociologyProcess managementKnowledge managementEnvironmental resource managementMarketingEconomicsComputer scienceMicroeconomicsEpistemologyEcologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Patagonia, Inc. is widely recognized as a leading brand in sustainable supply chain management in the garment industry, an industry known for its sustainability shortcomings. This study examines Patagonia's supply chain practices through a social‐symbolic work lens. It describes the intentional material work related to Patagonia's inputs, throughputs, and outputs, and also its complementary relational and discursive work. We argue that Patagonia's relational and discursive work are crucial to understanding how Patagonia (a) pursues sustainable supply chain practices, (b) influences its stakeholders to support sustainability, and (c) has positive spillover effects beyond its primary stakeholders. Incorporating a social‐symbolic work lens draws attention to important theoretical and managerial insights—in particular, the need for a holistic rather than reductionist approach and the merit in creating self‐reinforcing positive feedback loops—which are prone to be overlooked in conventional studies of sustainable supply chain management.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0070,008
Communication savante0,0050,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,022
Tête enseignante GPT0,207
Écart entre enseignants0,185 · 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'étudeQualitatif
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

Citations32
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBusiness Strategy and the EnvironmentMême sujetSustainable Supply Chain ManagementTravaux en français237 207