Unlocking project SDGs in furniture manufacturing: The mediating role of green innovation resilience
Notice bibliographique
Résumé
This study aims to examine the effect of Green Supply Chain Management (GSCM) and Lean Manufacturing (LM) on the achievement of Sustainable Development Goals (SDGs) by including Green Innovation Resilience (GIR) as a mediating variable and Environmental Regulation (ER) as a moderating variable. The problem raised is the lack of research linking GSCM and LM directly or indirectly to SDGs, especially in the furniture industry sector in developing countries. This study uses a quantitative approach with a purposive sampling technique of 230 medium and large-scale furniture companies in East Java. Data was collected through questionnaires distributed online to managers. Data analysis was conducted with SmartPLS 3.2. The uniqueness of this research lies in developing and testing the new concept of GIR as a mediating variable that strengthens the relationship between GSCM and LM on the achievement of SDGs in the furniture industry of developing countries, as well as considering the moderating role of environmental regulation-an integrative approach that has not been comprehensively explored in previous research. The results showed that GSCM and LM have a significant effect on SDGs both directly and through the mediation of GIR. In addition, ER was shown to strengthen the relationship between GSCM and LM on SDGs. These findings indicate the importance of integrating green practices and process efficiency with sustainable innovation and regulatory support in improving industry sustainability performance.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».