Human-Centered Visualization Interfaces for Sustainable Supply Chains
Notice bibliographique
Résumé
The rising complexity of global supply chains has raised the necessity of sustainable practices integrating economic performance and environmental and social accountability. Though data-centric tools provide great insights, the effectiveness of such systems depends upon the exposition of information to the decision-maker. Human-centered visualization interfaces were found to be the enablers par excellence for user augmentation, enhancement of interpretability, and sustainable decision-making among different stakeholders' groups. The paper discusses the conceptual foundations and the design fundamentals of human-centered visualization for sustainable supply chains through usability, accessibility, and transparency. By integrating sustainability metrics such as carbon footprint, energy efficiency, and waste minimization into user-centric dashboards and interactive programs, organizations can bridge the gap between the complexity of the technique and the depth of human understanding. The conceptual framework presented herein depicts the possibility of tailored visualization strategies ranging from dashboards up through immersive AR and VR systems enabling adaptive planning, real-time monitoring, and informed trade-offs within the parameters of the supply chain operation. Though the present work is conceptual and makes no use of empirical data, it provides an established portal for academicians and practitioners for designing interfaces enabling decision-makers, reducing the barriers of cognition, and increasing trust within sustainability reporting. The paper ends with an outline of the future avenues for investigating personalization, multi-modal interaction, and cross-cultural usability for sustainable supply chain management development.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».