A Systems Thinking based Sustainable Business Model Framework –An Appropriate Approach for the Design of Sustainable Business Models in Start-Up Consulting
Notice bibliographique
Résumé
The Business Model Canvas (BMC), originally developed by Osterwalder and Pigneur, has become a well-established and widely utilised tool for the development, modification, and visualisation of business models. While the Business Model Canvas provides an effective framework for designing business models, there remains a need to enhance the understanding of cause-and-effect relationships within the system, as well as to establish a holistic perspective on its impacts. This is particularly relevant for entrepreneurs and start-up advisors, as start-ups typically have fewer financial resources to mitigate or adapt to unsuitable decisions taken than established companies. Furthermore, many of today’s start-ups operate in highly complex and dynamic sectors, such as the digital economy, and often strive for a holistic view of sustainability, balancing economic, environmental, and social impacts. This paper reviews the traditional Business Model Canvas and explores sustainable business models grounded in the Triple Bottom Line approach. It then introduces a Systems Thinking based Sustainable Business Model framework (STSBM) that offers a robust methodology for designing sustainable dynamic modern business models. Specifically, impact networks are proposed to align mental models, while scenario simulation and evaluation are presented as tools for managing complexity. The paper outlines the process of model development, details the structural elements of the proposed framework, and suggests its practical application. By integrating these principles, the proposed framework aims to support the creation of sustainable business models that effectively address the intricate challenges faced by start-ups.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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.
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 ».