The effects of internal driver, external pressure and green entrepreneurial orientation (GEO) on green supply chain management (GSCM) performance through GSCM practice in wood processing companies in Lumajang district
Notice bibliographique
Résumé
This study examines the correlation between internal drivers, external pressures, Green Entrepreneurial Orientation (GEO). In the context of wood processing companies in Lumajang, this study examines how green supply chain management (GSCM) practices and performance interact. The study relies on theoretical underpinnings grounded in both institutional theory and the Natural Resource-Based View (NRBV) theory to thoroughly explore and comprehend these complex interconnections. Data was collected from a sample of 98 wood processing companies registered as Primary Timber Forest Product Industries (IPHHK) in the Lumajang District Forestry Office up to 2020, using a saturated sampling technique over three months from January to March 2022. This study's data analysis was carried out using structural equation modeling (SEM), which uses the partial least squares (PLS) methodology. The results of the analysis indicate that internal drivers do not exert a significant influence on Green Supply Chain Management (GSCM) performance. In contrast, external pressure and Green Entrepreneurial Orientation (GEO) have a notable and statistically significant impact on GSCM performance. Furthermore, GSCM practices play a crucial mediating role, fully mediating the correlation between internal drivers and GSCM performance and partially mediating the correlation between external pressure, GEO, and GSCM performance. This research holds practical implications for managers, supply chain specialists, and Lumajang wood processing industry policymakers. It clarifies the significance of particular drivers in putting GSCM practices into practice and reaching improved performance levels. Future research should consider expanding the sample size, extending the scope of the survey, exploring additional research avenues, and implementing longitudinal designs to investigate green supply chain integration and firm behavior over time.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».