برازش مدل عوامل اثرگذار بر توسعه لجستیک معکوس در ورزش استان سمنان

محورهای موضوعی : مدیریت ورزش

میثم قنبریان ¹ , علی فهیمی نژاد ^{2 *} , باقر مرسل ³ , مهدی گودرزی ⁴

1 - گروه تربیت بدنی، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران
2 - گروه تربیت بدنی، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران
3 - گروه تربیت بدنی، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران
4 - گروه تربیت بدنی، دانشگاه پیام نور، تهران، ایران

تاریخ دریافت : 1404/03/04 تاریخ پذیرش : 1404/04/17 تاریخ انتشار : 1404/06/31

کلید واژه: محیط زیست, لجستیک معکوس, تولید, ورزش.,

چکیده مقاله :

هدف: هدف از پژوهش حاضر بررسی برازش مدل عوامل اثرگذار بر توسعه لجستیک معکوس در ورزش استان سمنان بود.

روش پژوهش: پژوهش حاضر از نوع همبستگی مبتنی بر الگوی معادلات ساختاری بود. جامعه آماری کلیه افراد صاحب نظر و متخصص در حوزه ورزش، MBA، مهندسی صنایع و محیط زیست در سطح استان بودند که تعداد آن‌ها حدود 180 نفر برآورد گردید، و بر اساس فرمول کوکران، 123 نفر باید به روش نمونه‌گیری طبقه‌ای تصادفی انتخاب می­شد. 150 پرسشنامه توزیع گردید و در نهایت 127 پرسشنامه که به درستی تکمیل شده بود، جمع‌آوری و مورد تجزیه و تحلیل قرار گرفت. از پرسشنامه محقق ساخته استفاده شد و برای بدست آوردن روایی پرسشنامه‌ها از روش صوری و محتوایی استفاده شد. برای تجزیه و تحلیل داده‌ها، از نرم افزارهای SPSS و Smart PLS2 استفاده شد.

یافته ها: با توجه به نتایج برازش کلی مدل اندازه‌گیری (کیفیت مناسب مدل اندازه‌گیری) و مدل ساختاری (توانایی بالای مدل ساختاری در پیش‌بینی کردن) تأیید شد. با توجه به مقدار ضریب تعیین (R²) ارائه شده برای هر سه متغیر پدیده اصلی، راهبردها و پیامدهای توسعه، نشان از برازش قوی مدل کلی پژوهش دارد.

نتیجه گیری: نتیجه­گیری می­شود که مدل توسعه لجستيك معكوس در ورزش استان سمنان از برازش مطلوبی برخوردار بود. از این‌رو، لازم است شركت‌ها و واحدهای تولیدی و سازمان‌هاي ورزشي استان سمنان نيز مسئولیت جمع‌آوری، پخش و به روز كردن خدمات و كالاهای تولیدی خود را عهده‌دار شوند.

چکیده انگلیسی:

Objective: The purpose of the current research was to examine the fit of the model of factors affecting the development of reverse logistics in sports in Semnan province.

Methods: The current research was of the correlation type based on structural equation model. The statistical population was all people with opinions and experts in the field of sports, MBA, industrial engineering and environment in the province, whose number was estimated to be around 180 people, and based on Cochran's formula, 123 people should be selected by stratified random sampling method. . 150 questionnaires were distributed and finally 127 questionnaires that were completed correctly were collected and analyzed. A researcher-made questionnaire was used, and to obtain the validity of the questionnaires, formal and content methods were used. SPSS and Smart PLS2 software were used for data analysis.

Results: According to the results, the overall fit of the measurement model (proper quality of the measurement model) and the structural model (the high ability of the structural model in predicting) were confirmed. According to the coefficient of determination (R2) presented for all three variables of the main phenomenon, development strategies and consequences, it shows the strong fit of the overall research model.

Conclusions: It is concluded that the reverse logistic development model had a favorable fit in the sport of Semnan province. Therefore, it is necessary for the companies and production units and sports organizations of Semnan province to take responsibility for collecting, distributing and updating their services and products.

منابع و مأخذ:

Bagherinejad, Z.; Baradaran, K.; Asadi, R. (2013). Identifying and prioritizing key success factors in reverse logistics of the automotive industry using an interpretive structural modeling approach, 17(1); 21-40. (In Persian)
Chen, Zhensong., Siqi Yi, Kun Guo, (2017). Forecasting China's Service Outsourcing Development with an EMD-VAR-SVR Ensemble Method, In Procedia Computer Science, Volume 91, Pages 392-401.
Chin, W. W. (1998). The partial least squares approach to structural equation modeling. Modern methods for business research, 295(2), 295-33.
Davari, A. Rezazadeh, A. (2014). Structural equation modeling with PLS software. Publications: Academic Jihad Publishing Organization. P 88. (In Persian)
Esposito, M., Tse, T., & Soufani, K. (2018). Reverse logistics for postal services within a circular economy. Thunderbird International Business Review, 60(5) , 741-745.‏
Fahiminia, M.; Ghafouri, Y. and Mirabrahimi, A. and Fahiminia, V., (2012). Specifications and strategies for developing a special household waste management program in urban areas, Sixth National Conference and First International Conference on Waste Management, Mashhad, https://civilica.com/doc/146699 (In Persian)
Jafari, P., Fahimi Nejad, A., Morsal, B., & Tayeb Sani, S. M. (2019). Study of the barriers affecting the formation of reverse logistics in sports events. Sports Management Studies, 12(62), 39-64. (In Persian)
Jafari, P; Fahimi Nejad, A; Morsal, B and Tayebi Sani, S. M. (2022). Identifying and prioritizing the needs for reverse logistics development in sports events. Sports Management and Development, 10(2), 81-90. doi: 10.22124/jsmd.2021.5070 (In Persian)
Hosseini Dehshiri, S.J. and Aghaei, M. (2019). Identifying and prioritizing solutions to remove obstacles to reverse logistics implementation with a combined approach of Fuzzy Delphi, SWARA and WASPAS in the pulp and paper production industry. Scientific Journal of Supply Chain Management, 21(64), 85-98. (In Persian)
Kamalzadeh, A. and Baladi, E. (2013). The role of municipalities in reverse logistics management with an environmental protection approach, First National and Specialized Conference on Environmental Research in Iran, Hamedan, https://civilica.com/doc/238451 (In Persian)
Krumwiede, D. W., & Sheu, C. (2002). A model for reverse logistics entry by third-party providers. Omega, 30(5) , 325-333.
Melacini, M., Salgaro, A., & Brognoli, D. (2010). A model for the management of WEEE reverse logistics. International Journal of Logistics Systems and Management, 7(1) , 1-18.‏
Mutha, A. and Pokharel, Sh. (2009). “Strategic network design for reverse logistics and remanufacturing using new and old product modules.” Computers & Industrial Engineering, Vol.56, PP.334–346.
Starostka-Patyk, M., Zawada, M., Pabian, A., & Abed, M. (2013, May). Barriers to reverse logistics implementation in enterprises. In 2013 International Conference on Advanced Logistics and Transport (pp. 506-511). IEEE.
Wetzels, M., Odekerken-Schröder, G., & Van Oppen, C. (2009). Using PLS path modeling for assessing hierarchical construct models: Guidelines and empirical illustration. MIS quarterly, 177-195.