Breaking the mold: the pursuit of decentralized trade and supply chain finance
Notice bibliographique
Résumé
Purpose Blockchain technology (BT) presents a decentralized approach that has promising potentials to alleviate many of the long-lasting risks and inefficiencies in trade finance (TF) and supply chain finance (SCF) operations, providing international traders greater access to working capital. Despite this, the actual adoption of the technology and related issues in this space has remained under-researched. This paper examines the state of the practice to identify the main drivers and inhibitors faced by TF/SCF parties in their BT adoption efforts. Design/methodology/approach This exploratory study applies a multi-stakeholder perspective and a mixed-methods approach using semi-structured interviews with practitioners in various stages of BT implementation in TF/SCF initiatives across North America, Europe and Asia. The study then determines the priority of the identified factors using the Bayesian best-worst method (BWM). Findings The findings show that while the discussion has focused on the technological drivers of BT adoption for TF/SCF, practitioners rely more on non-technological factors such as peer adoption and fostering innovation. The findings also reveal how practitioners address common BT issues, including scalability and interoperability. Originality/value The study offers insights into important requirements for realizing the full benefits of BT in support of TF and SCF from an extended technology-organization-environment (TOE) perspective. On a more general level, it highlights what is required to transform this industry toward digitization.
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 | 0,017 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,008 | 0,011 |
| Science ouverte | 0,001 | 0,006 |
| 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 ».