MétaCan
Menu
Retour à la cohorte
Enregistrement W4403544762 · doi:10.3390/engproc2024076025

Sustainability-Related Impacts of Digitalization on Supply Chain Management

2024· article· en· W4403544762 sur OpenAlexaff
Sama Hosseini Androod, Mahshid Babakhan, Naomi Biroki, Atiyeh Khorasani, Muhammad Aslam, Sharfuddin Ahmed Khan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésSustainabilitySupply chainSupply chain managementBusinessEnvironmental economicsEconomicsMarketing

Résumé

récupéré en direct d'OpenAlex

In this era of digitalization, many companies that aim to improve the sustainability of their supply chain utilize digital technologies. Digital technologies have provided the overall supply chain with more transparency, visibility, and real-time data exchange. The purpose of this paper is to provide an overview of early studies related to the impacts of digitalization on supply chain sustainability. The literature review is carried out by using the PRISMA method (the preferred reporting item for systematic reviews and meta-analyses). To carry out the review, 53 English-language publications were analyzed. The data were collected from Web of Science and Science Direct, and the systematic literature review will consider the impacts of digitalization on supply chain sustainability. Based on the literature, the overall impact of digitalization on supply chain sustainability is positive, but it brings some challenges as well. This paper also identifies potential gaps that were not covered in earlier publications and provides suggestions for future studies. The main contribution of this paper is to provide a complete and up-to-date literature review considering the impact of overall digital technologies on sustainability from a global perspective that summarizes the publications related to this topic. Moreover, in this paper, the challenges or risks of digitalization will be considered, which has received less attention in previous papers.

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)0,000
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: aucune
Score de désaccord entre enseignants0,917
Score d'incertitude au seuil0,333

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,005
Tête enseignante GPT0,218
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 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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Transformation in IndustryTravaux en français237 207