清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Supply chain learning and performance: a meta-analysis

知识管理 独创性 荟萃分析 吸收能力 供应链 经验证据 供应链管理 隐性知识 价值(数学) 实证研究 计算机科学 积极关系 心理学 业务 营销 机器学习 社会心理学 创造力 医学 哲学 认识论 内科学
作者
Lujie Chen,Mengqi Jiang,Taiyu Li,Fu Jia,Ming K. Lim
出处
期刊:International Journal of Operations & Production Management [Emerald (MCB UP)]
卷期号:43 (8): 1195-1225 被引量:11
标识
DOI:10.1108/ijopm-05-2022-0289
摘要

Purpose This paper aims to provide a comprehensive understanding of the supply chain learning (SCL)–performance relationship based on the existing empirical evidence. Design/methodology/approach We sampled 54 empirical studies on the SCL–performance relationship. We proposed a conceptual research framework and adopted a meta-analytical approach to analyse the SCL–performance relationship. Findings The results of the meta-analysis confirm the positive effects of SCL on the performance of both firms and supply chains. In addition, building on the knowledge-based view, we found that learning from customers has a stronger positive effect on performance than does learning from suppliers, while joint learning has a stronger positive effect on performance than does absorptive learning. Business knowledge had a greater effect on performance than did general knowledge, process knowledge or technical knowledge, while explicit knowledge had a stronger effect than tacit knowledge. Moreover, the SCL–performance relationship is moderated by performance measure and industry type but not by regional economic development, highlighting the broad applicability of SCL. Originality/value This study is the first meta-analysis on the SCL–performance relationship. It differentiates between learning from customers and learning from suppliers, examines a more comprehensive list of performance measures and tests five moderators to the main effect, significantly contributing to the SCL literature.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
申木完成签到 ,获得积分10
35秒前
阿尔法贝塔完成签到 ,获得积分10
1分钟前
雪花完成签到 ,获得积分10
1分钟前
3分钟前
白华苍松完成签到,获得积分10
3分钟前
白华苍松发布了新的文献求助10
3分钟前
白菜完成签到 ,获得积分10
3分钟前
合适醉蝶完成签到 ,获得积分10
3分钟前
晚意意意意意完成签到 ,获得积分10
3分钟前
无花果应助科研通管家采纳,获得10
3分钟前
xiewuhua完成签到,获得积分10
4分钟前
Yanan完成签到,获得积分10
4分钟前
Richard完成签到 ,获得积分10
5分钟前
ling361完成签到,获得积分10
5分钟前
悠明夜月完成签到 ,获得积分10
5分钟前
Emperor完成签到 ,获得积分0
6分钟前
打打应助科研通管家采纳,获得10
7分钟前
composite66完成签到,获得积分10
8分钟前
沙海沉戈完成签到,获得积分0
9分钟前
huichuanyin完成签到 ,获得积分10
9分钟前
刘天宇完成签到 ,获得积分10
9分钟前
赘婿应助科研通管家采纳,获得10
9分钟前
HaoHao04完成签到 ,获得积分10
10分钟前
study00122完成签到,获得积分10
11分钟前
11分钟前
theo完成签到 ,获得积分10
12分钟前
乐乐应助专注的月亮采纳,获得10
12分钟前
12分钟前
12分钟前
杨天天完成签到 ,获得积分10
13分钟前
Kevin完成签到 ,获得积分10
13分钟前
无敌石墨烯完成签到 ,获得积分10
13分钟前
枫林摇曳完成签到 ,获得积分10
14分钟前
zsmj23完成签到 ,获得积分0
15分钟前
陈槊诸完成签到 ,获得积分10
17分钟前
小蘑菇应助科研通管家采纳,获得10
17分钟前
科研剧中人完成签到,获得积分0
19分钟前
小北完成签到,获得积分10
20分钟前
20分钟前
gwbk完成签到,获得积分10
20分钟前
高分求助中
Rock-Forming Minerals, Volume 3C, Sheet Silicates: Clay Minerals 2000
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
The Healthy Socialist Life in Maoist China 600
The Vladimirov Diaries [by Peter Vladimirov] 600
encyclopedia of computational mechanics,2 edition 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3268785
求助须知:如何正确求助?哪些是违规求助? 2908238
关于积分的说明 8344900
捐赠科研通 2578564
什么是DOI,文献DOI怎么找? 1402210
科研通“疑难数据库(出版商)”最低求助积分说明 655352
邀请新用户注册赠送积分活动 634490