MétaCan
Menu
Retour à la cohorte
Enregistrement W4394895989 · doi:10.5267/j.uscm.2024.3.017

Circular economy from an environmental accounting perspective: Strengthening firm performance through green supply chain management and import regulation in Indonesia's plastic recycling industry

2024· article· en· W4394895989 sur OpenAlexvenueno aff
Lilis Ardini, Mochammad Fahlevi

Notice bibliographique

RevueUncertain Supply Chain Management · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessPerspective (graphical)Supply chainSupply chain managementIndustrial organizationCircular economyNatural resource economicsEconomicsMarketingEcology

Résumé

récupéré en direct d'OpenAlex

This study investigates the impacts of environmental accounting, green supply chain management (GSCM), and import regulations on firm performance. Using a quantitative research design, this study employs Partial Least Squares Structural Equation Modeling (PLS-SEM) to examine 192 managers from the health equipment industry. The research employs a comprehensive array of measurement items derived from interdisciplinary literature to assess the intricate relationships among the primary variables in a multifaceted manner. This research underscores the favorable effect of environmental accounting on bolstering green supply chain management (GSCM) practices and dexterously navigating import regulations, which ultimately prove to be highly beneficial for a firm's performance. This study validates the potency of a circular economy approach, with resource efficiency emerging as a crucial aspect in maximizing both ecological and financial outcomes. The measurement model developed in this study is a dependable resource for future research and practical applications aimed at promoting sustainability in the industry.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0000,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,223
Écart entre enseignants0,213 · 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'étudeObservationnel
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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetSustainable Supply Chain ManagementTravaux en français237 207