MétaCan
Menu
Retour à la cohorte
Enregistrement W4390298761 · doi:10.1002/bse.3661

Exploring sustainable development goals adoption in supply chain management: A typology of coexisting institutional logics

2023· article· en· W4390298761 sur OpenAlexaff
Liliane Carmagnac, Minelle E. Silva, Morgane M.C. Fritz

Notice bibliographique

RevueBusiness Strategy and the Environment · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésTypologySustainabilityBusinessSustainable developmentSupply chainSupply chain managementProcess managementIndustrial organizationMarketingSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Despite growing interest in the 17 United Nations (UN) sustainable development goals (SDGs), companies still struggle with how to implement them as part of their sustainability policies. Hence, we explore how the SDGs are adopted in supply chain management (SCM) using institutional logic as a theoretical lens. Based on a case study, we analyse 10 interviews conducted with managers and suppliers of a multinational cosmetics company recognised for its sustainability engagement. Our findings show that while the strategic level embraces the SDG framework, supply management processes are exclusively evident at the operational level. This becomes even more salient in the analysis of sustainability and commercial coexisting logics. Although sustainability logic concerns compliance with sustainability‐related regulations and external pressures, commercial logic demonstrates the effective engagement of strategic decisions in favor of profitability. Our results reveal nuances in the existing gap between the SDGs and SCM, illustrated through a typology of coexisting logics at the strategic and operational levels, adding value to the SCM literature. This paper questions the feasibility of implementing the UN SDGs along a supply chain, which opens the door for future research and new practical insights relevant to companies' daily operations.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,877
Score d'incertitude au seuil0,816

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
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 Opus0,048
Tête enseignante GPT0,210
Écart entre enseignants0,162 · 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'étudeThéorique ou conceptuel
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

Citations21
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

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