Decoding the modern supply chain management professional: the industry’s voice
Notice bibliographique
Résumé
Purpose This study examines the evolving nature of supply chain management (SCM) in response to increasing complexity and the expanding scope of competencies required of SCM professionals. It lays the groundwork for developing a comprehensive competency framework aligned with current industry needs. Design/methodology/approach This study combines an extensive literature review with inductive content analysis of web-scraped job advertisements, utilizing unsupervised machine learning models. This approach offers a comprehensive view of SCM’s disciplinary scope, professional competencies, and the industry’s evolving demands. Findings The analysis reveals a structured hierarchy of competencies, reflecting SCM’s shift from unifunctional to multifunctional roles. It demonstrates the need for SCM professionals to integrate specialized technical expertise with cross-functional capabilities, highlighting systemic thinking and adaptability in a volatile, uncertain, complex, and ambiguous (VUCA) environment. The analysis shows a strong demand for digital proficiency, data analytics, global awareness, sustainability, risk management, and regulatory compliance. Originality/value This research provides unique insights into the evolving competency landscape of SCM professionals, capturing the field’s transition to an integrated, strategic, and technology-driven discipline. It offers a valuable reference point for academics, industry practitioners, human resource managers, and policymakers seeking to align education, training, and workforce development with real-world SCM demands.
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 | 0,015 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,012 |
| Communication savante | 0,011 | 0,014 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».