Developing sustainable global value chain: role of multi-stakeholder collaborations and digitalization
Notice bibliographique
Résumé
Global value chains (GVCs) channel roughly two-thirds of world trade, yet the efficiency they create is increasingly offset by climate risk, social inequity, and governance gaps. To clarify how digitalisation and multi-stakeholder collaboration might reverse this trajectory, we conducted a PRISMA-guided systematic review of 59 peer-reviewed articles published between 2014 and 2024, retrieved with a five-item quality checklist. Thematic coding, bibliometric mapping, and mechanism-focused process tracing reveal three persistent blind spots: scant causal evidence connecting specific digital tools—blockchain traceability, AI-driven analytics, industrial digital twins—to triple-bottom-line outcomes; under-specified governance mechanisms for scaling collaboration beyond tier-one suppliers; and weak integration of sustainability-linked finance with real-time traceability data. To bridge these gaps, we advance the conceptual model of the Enhanced Sustainable GVCs Framework in which digital infrastructures make social and environmental externalities auditable. At the same time, coalitions of buyers, suppliers, investors, regulators, and NGOs convert that visibility into collective action. The framework extends GVC governance and stakeholder theories by incorporating algorithmic coordination, radical visibility, and data-liquidity capabilities. Policy implications point to pairing mandatory due diligence laws with investments in open data standards; managerial guidance emphasises interoperable architectures and sector-wide standards alliances; and a future research agenda calls for quasi-experimental causal identification, cross-level data integration, and boundary-condition analysis. Together, these insights outline an evidence-based pathway for transforming GVCs from vectors of ecological externality into engines of inclusive, low-carbon growth.
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 | 0,097 | 0,177 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,015 | 0,016 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,010 | 0,015 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».