MétaCan
Menu
Retour à la cohorte
Enregistrement W4406225319 · doi:10.1177/10860266241297340

Forging the Future: Reconfiguring Value Chains Through Circular Economy Meta-Organizing

2025· article· en· W4406225319 sur OpenAlexaff
Elizabeth M. Miller, Samuli Patala, Jukka‐Pekka Ovaska

Notice bibliographique

RevueOrganization & Environment · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensWestern University
Organismes subventionnairesStrategic Research Council
Mots-clésCircular economyForgingValue (mathematics)BusinessEngineeringComputer scienceMechanical engineeringEcology

Résumé

récupéré en direct d'OpenAlex

Transforming linear value chains toward circularity is rife with challenges, like valorizing materials and building supply relationships. Meta-organizations, organizations with organizations as members, may help alleviate these challenges. They can facilitate sustainability transitions by mobilizing collective action, but less is known about their potential for reconfiguring value chains toward circularity. We explore this by conducting a qualitative case study of two meta-organizations for textile circularity. Our findings reveal five key collective activities for reconfiguring value chains toward circularity through meta-organizing: setting material agendas, balancing membership openness and closedness, brokering new relationships among organizations, facilitating material-based platforms, and opening new material opportunities. The first three activities worked in parallel toward two outcomes that enabled material-based platforms and new material opportunities: circular co-experimentation and localized circular supply chain development. Our findings strengthen our understandings of how meta-organizations can build new links across industries and sectors, enabling value chain reconfiguration and broader systemic transitions.

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)0,006
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,017
Communication savante0,0070,011
Science ouverte0,0010,007
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,009
Tête enseignante GPT0,183
Écart entre enseignants0,173 · 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'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

Citations16
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrganization & EnvironmentMême sujetSustainable Supply Chain ManagementTravaux en français237 207