Overcoming technological barriers for blockchain adoption in supply chains: a diffusion of innovation (DOI)-informed framework proposal
Notice bibliographique
Résumé
Purpose The integration of blockchain technology (BT) in supply chain management (SCM) is at the forefront of technological advancements, yet it faces significant barriers that hinder its widespread adoption. This study aims to delve into these challenges, employing the diffusion of innovations (DOI) theory to systematically investigate and propose a strategic framework for overcoming the technological barriers to BT adoption within SCM. Design/methodology/approach Through a comprehensive systematic literature review (SLR) of 155 publications, complemented by rigorous content analysis and expert interviews, this research identifies and categorizes 16 primary technological barriers, including scalability and privacy issues, that impede BT integration. Findings The proposed framework, informed by DOI theory, outlines tailored strategies across three critical adoption stages: initiation, where the focus is on mitigating high energy consumption and scalability issues; adoption decision, emphasizing the formulating international standards for blockchain architecture, embedding abstraction layers within software projects; and implementation, concentrating on enhancing security, interoperability and system efficiency. Originality/value This research contributes significantly to both academic literature and practical applications. Academically, it extends the DOI theory within the SCM context and enriches the blockchain literature by providing a nuanced understanding of the specific barriers to BT adoption. Practically, it offers a roadmap for industry practitioners, delineating actionable strategies to navigate the adoption process effectively. This study not only bridges the gap between theoretical insights and practical implementations but also serves as a vital resource for policymakers and standard-setting bodies in facilitating and regulating BT adoption in SCM, thereby fostering innovation and competitive advantage in the marketplace.
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 | 0,020 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,014 |
| Communication savante | 0,013 | 0,016 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».