Environmental education using SARITHA-Apps to enhance environmentally friendly supply chain efficiency and foster environmental knowledge towards sustainability
Notice bibliographique
Résumé
This study aimed to investigate the impact of Environmental Education on sustainability and the mediating role of Environmentally Friendly Supply Chain Efficiency (EFSC) and Fostered Environmental Knowledge (FENK). Employing a quantitative approach, data were collected from supply chain professionals who participated in Environmental Education programs. The research findings indicate a positive relationship between Environmental Education and supply chain sustainability. The study revealed that Environmental Education significantly enhances EFSC and FENK and positively influences sustainability practices within supply chains. The implications of this research are twofold. Firstly, it underscores the importance of incorporating Environmental Education as a fundamental component of supply chain management, contributing to more environmentally responsible practices. Secondly, the study highlights the mediating role of EFSC and FENK, indicating that not only does Environmental Education directly impact sustainability but also through the enhancement of these mediating factors. This research offers a novel perspective by establishing the link between Environmental Education, EFSC, FENK, and supply chain sustainability. However, certain limitations should be acknowledged, such as the potential for response bias and the need for further research to explore other potential mediators. Nevertheless, this study provides valuable insights for practitioners and policymakers seeking to promote sustainability in supply chains by emphasizing the role of Environmental Education and its interconnectedness with EFSC and FENK.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».