Business continuity management: trends, structures and future issues
Notice bibliographique
Résumé
Purpose This study assesses the current landscape of business continuity management (BCM) research while exploring research trends, structures and delineating potential future directions. Design/methodology/approach A comprehensive bibliometric analysis was conducted on 360 articles from the Scopus and Web of Science databases using Biblioshiny software. A meta-synthesis was employed to aggregate and synthesize findings from the bibliometric results. Findings The results demonstrate a notable increase in publication numbers since the onset of the pandemic, reaching a peak in 2022 with a total of 342 articles. A collaborative bond among scholars transcends geographical boundaries and national affiliations. The analytical results propose avenues for future research, addressing crucial areas such as the integration of business continuity management systems (BCMS), the development of BCM frameworks and a comparative analysis of business impact analysis (BIA) frameworks through pertinent theories. Research limitations/implications The study contributes theoretical and practical implications, serving as a valuable resource for academics and practitioners seeking to deepen their understanding of BCM’s role in business recovery and preserving organizational continuity in the face of disruptions. Originality/value This study pioneers a comprehensive approach by integrating bibliometric analysis and qualitative meta-synthesis, providing a consolidated overview of BCM research. Additionally, it presents future research proposals in this area.
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 | 0,034 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,017 | 0,030 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,014 | 0,015 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».