MétaCan
Menu
Retour à la cohorte
Enregistrement W7105678832 · doi:10.1016/j.ssci.2025.107000

A STAMP-Informed framework for classifying interorganizational risk management challenges in ports

2025· article· en· W7105678832 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueSafety Science · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensDalhousie University
Organismes subventionnairesSistema Nacional de Investigación, Secretaría Nacional de Ciencia, Tecnología e InnovaciónSecretaria Nacional de Ciencia y TecnologíaNatural Sciences and Engineering Research Council of CanadaSecretaría Nacional de Ciencia, Tecnología e InnovaciónCanada Research Chairs
Mots-clésRisk managementControl (management)Port (circuit theory)Corporate governanceCluster analysisIncident managementRisk assessmentManagement control system

Résumé

récupéré en direct d'OpenAlex

• Reveals systemic challenges undermining interorganizational risk management in ports. • Combines natural language processing with systems-theoretic analysis of challenges. • Applies the Systems-Theoretic Accident Model and Processes (STAMP) to risk management. • Offers a replicable framework to improve coordination and safety across organizations. Interorganizational Risk Management (IRM) is critical in port operations, where actors such as port authorities, shipping companies, and terminal operators must coordinate safety and risk governance across organizational boundaries. Traditional risk management approaches often neglect how failures emerge from systemic misalignments in control structures, feedback mechanisms, and interorganizational coordination. This study systematically classifies IRM challenges in port settings using the Systems-Theoretic Accident Model and Processes (STAMP) as an analytical lens to explore how such challenges are conceptualized in existing literature. Rather than modeling specific control systems, we map IRM challenges to STAMP components to identify commonly disrupted control functions. Based on a structured analysis of 50 peer-reviewed studies published between 2014 and 2024, we extract 233 quotes describing IRM challenges. Using a hybrid methodology that combines inductive coding, semantic clustering supported by natural language processing (NLP), and deductive mapping to STAMP, we identify 14 IRM challenge categories. These are grouped into three control layers: Strategic, Operative, and Adaptive. Each category is linked to specific STAMP control structure components to illustrate patterns in how interorganizational coordination is affected. Findings show that IRM challenges are concentrated in areas involving feedback loops, control logic, and constraints. This approach offers a novel system-theoretic classification of IRM challenges and contributes a transparent, replicable method for analyzing challenges in complex organizational networks. The paper also identifies future research opportunities, including expert validation, cross-regional comparison, and the use of organizational mechanisms to support IRM in ports.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,918
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,126
Tête enseignante GPT0,512
Écart entre enseignants0,386 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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