MétaCan
Menu
Retour à la cohorte
Enregistrement W4410332059 · doi:10.1002/joom.1369

Switching the Telescope Lens: A Sociomaterial Perspective of Sustainable Agricultural (Proto)Practices Transfer in an Agrifood Supply Chain

2025· article· en· W4410332059 sur OpenAlexaff
Minelle E. Silva, Karina A. Santos, Susana Carla Farias Pereira, Linda C. Hendry

Notice bibliographique

RevueJournal of Operations Management · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésPerspective (graphical)Supply chainAgricultureBusinessLens (geology)Through-the-lens meteringComputer scienceMarketingOpticsGeographyPhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This study investigates the implementation and transfer of sustainable agricultural practices (SUSAPs) across a multitier agrifood supply chain (SC) using Brazilian poultry farming as the empirical context. We conduct an interpretive case study of buyer–supplier–subsupplier triads, including those certified under Global Good Agricultural Practices (GAP) and noncertified counterparts, using interviews, observations, and secondary data. Adopting a sociomaterial perspective, we investigate how SUSAPs' components—meanings, materials, and competencies—are embedded within specific SC tiers and transferred across the triad. A zoom‐in analysis reveals that only animal welfare is a fully adopted practice, whereas waste management, working conditions, and biosecurity remain in development as protopractices. A zoom‐out analysis of SUSAPs' components shows limited buyer influence across the triad, while first‐tier suppliers facilitate SUSAP transfer. We advance theory by demonstrating how a sociomaterial perspective explains the degree of SUSAPs' implementation and transfer, and introducing the boomerang effect , illustrating how first‐tier suppliers enable SUSAP implementation among certified and noncertified subsuppliers to ensure safer and more sustainable products. These insights help managers transfer SUSAPs into their SCs by leveraging first‐tier suppliers as boundary spanners.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil0,495

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,265
Écart entre enseignants0,250 · 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 tête enseignante, 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

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Operations ManagementMême sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207