Examining the relationships between big data analytics capability, entrepreneurial orientation and sustainable supply chain performance: moderating role of trust
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Using a dynamic capability view, this study examined the relationships between big data analytics capability (BDAC), entrepreneurial orientation (EO) and sustainable supply chain performance (SSCP) by exploring the moderating role of trust among supply chain partners. Design/methodology/approach Questionnaires were collected from 300 manufacturing organizations using snow sampling. The moderating connections and direct relationships were examined using Hays' process macro and structural equation modeling. Findings BDAC was positively related to EO and SSCP. When supply chain partners experienced low levels of trust, an increase in BDAC did not enhance SSCP. As trust increased, the relationship between BDAC and SSCP became more positive, underpinning the moderating effects of trust. Moreover, trust did not moderate the relationship between BDAC and EO. The moderating effect of trust on the relationship between EO and SSCP showed a positive relationship between EO and SSCP when trust was low; however, the relationship became negative when trust was high. Practical implications Developing technology alone may not be sufficient, as supply chain managers need to establish a strong business relationship based on mutual trust. However, they also need to be aware of the dangers of high levels of trust because these may negatively affect performance. Therefore, supply chain managers need to achieve an optimal level of trust that is neither excessive nor insufficient. Originality/value Advances in technology and entrepreneurial drive for supply chain sustainability make it pertinent to examine trust levels among supply chain partners and the varying impact on BDAC, EO and SSCP. The current study shows the negative aspects of too much trust among supply chain partners.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle