Decreasing the burden caused by the last mile of e-commerce through innovation
Bibliographic record
Abstract
De afgelopen jaren is er een sterke stijging geweest omtrent e-commerce, met name de last mile delivery, waarbij consumenten meer en meer de producten online aankopen. Er is dan ook een stijging van bestellingen van kleinere hoeveelheden. Het begrip “Vandaag besteld is morgen in huis” maakt het e-commerce gebeuren alleen maar complexer voor de logistiek. Bij het online aankopen hebben klanten bepaalde verwachtingen zoals een hoog service niveau en lagere verzendkosten of retourkosten. De snelle levering die aangeboden wordt en de verwachtingen van de klant hebben een grote impact op kosten en milieu. \nUit de bovenstaande probleemstelling kan in deze masterproef bijgevolg de volgende centrale onderzoeksvraag onderzocht worden: “Welke innovatieve oplossingen bestaan er in Europa om de druk van e-commerce leveringen aan consumenten terug te dringen in de verschillende gebieden?” Om een antwoord te formuleren op deze onderzoeksvraag, werd er eerst een literatuurstudie en vervolgens een empirische studie uitgevoerd.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.015 | 0.015 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.005 | 0.004 |
| Insufficient payload (model declined to judge) | 0.047 | 0.012 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".