Key points are not available for this paper at this time.
Zweck Mit der zunehmenden Nutzung globaler Lieferketten zur Sicherstellung notwendiger Ressourcen und zur Kostensenkung wächst die Besorgnis über die Vorkommen von Menschenhandel, insbesondere Zwangsarbeit, in der Lieferkette. Aus diesem Grund sind Sichtbarkeit und Transparenz in der Lieferkette entscheidend. Ziel dieser Studie war es, einen Ausgangspunkt zu bieten, um zu überlegen, wie KI-gestützte Technologie eine Rolle bei der Bekämpfung von Zwangsarbeit in Lieferketten spielen kann. Design/Methodik/Ansatz Die Forscher verwendeten künstliche Intelligenz (KI), um die Sichtbarkeit der Lieferkette zu verbessern. Ein KI-gestütztes Analysewerkzeug mit dem Namen „Break Chain“ wurde entwickelt und getestet. Es wurde ein Mixed-Methods-Aktionsforschungsansatz verwendet, bei dem quantitative Datenanalyse mit qualitativen Handlungsschritten integriert wurde. Dies ermöglichte ein umfassenderes Verständnis der komplexen und facettenreichen Natur der Dynamik in Lieferketten. Ergebnisse In dieser Studie wurde „Break Chain“ verwendet, um 50 Unternehmen aus verschiedenen Branchen in Nordosttexas zu bewerten. „Break Chain“ bot eine Dashboard-Visualisierung, die die markierten Daten in eine interaktive Schnittstelle synthetisierte. Dies ermöglichte den Stakeholdern, komplexe Datensätze effizient zu navigieren und zu interpretieren. Die Technologie von „Break Chain“ ermöglichte auch prädiktives Modellieren, um potenzielle Menschenhandelsaktivitäten innerhalb der Unternehmenslieferketten vorherzusagen. Diese Studie fand heraus, dass das Modell eine Genauigkeitsrate von 91% und eine Rückrufquote von 87% hatte, was auf die kalibrierte Sensitivität und Spezifität von „Break Chain“ hinweist. Originalität/Wert „Break Chain“ ist ein innovatives Beispiel dafür, wie Technologie genutzt werden kann, um Vorkommen von Zwangsarbeit innerhalb von Lieferketten zu lokalisieren und vorherzusagen.
Davis et al. (Fr,) untersuchten diese Frage.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: