The Influence Path of Industry Collaboration Network and Policy Support on the Optimization of Sugarcane Bagasse Packaging Value Chain: An Empirical Study Based on Structural Equation Modeling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The rapid transition toward sustainable packaging highlights the need to understand how external enablers drive value chain optimization (VCO) in emerging green industries.This study systematically examined the influence paths of industry collaboration networks (ICN) and policy support (PS) on the optimization of the sugarcane bagasse packaging value chain, focusing on the mediating roles of technology integration capability (TIC) and green innovation (GI), and the moderating effect of environmental responsiveness.Drawing on Resource-Based View (RBV), Collaborative Network Theory, and Institutional Theory, primary data were collected from 463 industry participants and analyzed using Partial Least Squares Structural Equation Modeling (PLS-SEM).Results indicated that ICN significantly enhance TIC ( = 0.593, p < 0.001) and GI ( = 0.256, p < 0.001), while PS more strongly promotes GI ( = 0.464, p < 0.001).Both technology integration ( = 0.338, p < 0.001) and GI ( = 0.416, p < 0.001) positively affect value chain optimization.Environmental responsiveness (ER) significantly moderated these relationships ( = 0.124 and 0.104, both p < 0.05), and mediation analyses confirmed both internal capabilities as key pathways.These findings clarified the mechanisms by which external collaboration and policy support optimize value chains through strengthening internal capabilities, with ER amplifying these effects.This research provided robust empirical evidence and actionable insights for advancing sustainable transformation in the agricultural by-product packaging sector.
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.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle