MétaCan
Menu
Retour à la cohorte
Enregistrement W4404727772 · doi:10.54254/2755-2721/110/2024melb0096

Blockchain Technology in Supply Chain Management: Current Applications and Future Prospects

2024· article· en· W4404727772 sur OpenAlexaff
Heng Du

Notice bibliographique

RevueApplied and Computational Engineering · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésBlockchainCurrent (fluid)Supply chain managementSupply chainBusinessRisk analysis (engineering)Computer scienceEngineeringComputer securityElectrical engineeringMarketing

Résumé

récupéré en direct d'OpenAlex

Supply chain is one of the use cases where blockchain itself has proven to be a powerful technology enabling increased transparency plus traceability and security. However, as acknowledged by many that consider it today one of the major technical challenges that issues related to scalability, high cost and data privacy paper investigates what benefits will lead to implementation of supply chain as well its architecture. Examples presented include e-commerce and logistics in which fraud can be reduced while operational efficiency improved through use of blockchain technology. Research also described solutions sharding and Layer 2 handling the scalability issue without specifying security or presenting another area of research needed information. It found the use of blockchain technology in supply chain management to be highly beneficial, though Technical and regulatory challenges to successful adoption impel industry stakeholders to address them, which, apart from being far from answered without common articulated goals through standardization efforts aimed at fostering innovation capable driving transformative changes across global supply chains empowered by realizing full potential offered through DLTs like blockchains.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,002
Communication savante0,0030,006
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,003
Tête enseignante GPT0,198
Écart entre enseignants0,195 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied and Computational EngineeringMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207