Phân tích đồng trích dẫn và liên kết thư mục về quản lý chuỗi cung ứng nông nghiệp

Bùi Thanh Tâm

NCS. Quản trị Kinh doanh - Trường Đại học Lạc Hồng

Trường Kinh tế Tài chính - Trường Đại học Thủ Dầu Một

Email: buithanhtam01@gmail.com

Đỗ Thanh Bình

Trường Kinh tế Tài chính - Trường Đại học Thủ Dầu Một

Tóm tắt

Bài báo thống kê các nghiên cứu về quản lý chuỗi cung ứng nông nghiệp thông qua phương pháp phân tích đồng từ và phân tích đồng trích dẫn để tổng hợp nội dung của 498 bài báo từ cơ sở dữ liệu Web of Science. Dựa trên sự đánh giá cá nhân, nhóm tác giả phân nhóm và đặt tên chủ đề có thể dựa trên định hướng cá nhân, do đó, nhiều nội dung chưa được đề cập và phân tích. Từ đó, bài viết đề xuất hướng nghiên cứu trong tương lại theo hướng kết hợp nhiều phương pháp khác để thực hiện tổng quan nghiên cứu toàn diện hơn.

Từ khóa: Quản lý chuỗi cung ứng nông nghiệp, phân tích đồng từ, phân tích đồng trích dẫn

Summary

This paper reviews research on agricultural supply chain management through co-word and co-citation analysis methods, synthesizing the content of 498 articles from the Web of Science database. Based on personal judgment, the authors group and name the topics according to individual orientation, which may result in some content being omitted or insufficiently analyzed. Therefore, the paper proposes future research directions that combine multiple methodologies to provide a more comprehensive literature review.

Keywords: Agricultural supply chain management, co-word analysis, co-citation analysis

GIỚI THIỆU

Trong những năm gần đây, các nhà nghiên cứu đã thể hiện sự quan tâm sâu sắc đến quản lý chuỗi cung ứng nông nghiệp (QLCCƯNN) thông qua nhiều khía cạnh khác nhau. QLCCƯNN là yếu tố quan trọng để đảm bảo an ninh lương thực và tính bền vững về kinh tế (Bhaskar B. Gardas và cộng sự, 2019). Chuỗi cung ứng này đóng vai trò quan trọng trong việc thúc đẩy tăng trưởng kinh tế quốc gia bằng cách đảm bảo sự lưu thông hiệu quả của sản phẩm nông nghiệp từ trang trại đến người tiêu dùng (Bhaskar B. Gardas và cộng sự, 2019). Quá trình này liên quan đến nông dân, nhà cung cấp dịch vụ hậu cần, nhà bán lẻ và người tiêu dùng; liên quan đến các hoạt động mua sắm, sản xuất, quản lý hàng tồn kho và giao hàng (Saiful Bukhori và Windi Eka Yulia Retnani, 2017). Nhiều nhà nghiên cứu đã khám phá các mối quan hệ và giải quyết thách thức liên quan đến tính dễ hỏng, tính bền vững, tích hợp công nghệ, cơ sở hạ tầng thị trường và sự hợp tác dựa trên chuyển đổi số và kinh tế tuần hoàn (Esakki Muthu Santhanam và Kartheeban Kamatchi, 2025).

Khoa học thống kê thư mục đã phát triển từ cuối thế kỷ. Phương pháp phân tích thư mục được sử dụng phân tích định lượng các tài liệu khoa học, bao gồm: sách, bài báo và các ấn phẩm khác (Farshid Danesh và Ali Mardani-Nejad, 2020). Phương pháp này giữ vai trò quan trọng trong cộng đồng khoa học (Michael J. Curtis, 2023), giúp đánh giá sự hợp tác của nhà nghiên cứu và tác động của nghiên cứu khoa học (Michael J. Curtis, 2023), xác định các xu hướng nghiên cứu mới nổi và sự phát triển của các lĩnh vực khoa học (S. Poornimadarshini và cộng sự, 2024).

TỔNG QUAN NGHIÊN CỨU

Sơ lược về quản lý chuỗi cung ứng nông nghiệp

QLCCƯNN đóng vai trò quan trọng trong việc tối ưu hóa hiệu quả sản xuất và phân phối thực phẩm, đồng thời đảm bảo an toàn thực phẩm và phát triển bền vững. Chuỗi cung ứng nông nghiệp (CCƯNN) bao gồm các hoạt động như: thu mua nguyên liệu, sản xuất, chế biến, bảo quản, vận chuyển và phân phối sản phẩm nông sản (C. Ganeshkumar và cộng sự, 2017). QLCCƯNN liên quan đến việc điều phối dòng chảy của sản phẩm nông nghiệp thông qua các giai đoạn sản xuất, thu mua, chế biến, đóng gói và phân phối (Jones Elite Logistics, 2023). QLCCƯNN là một hệ thống bao gồm: tổ chức, con người, thông tin, hoạt động và các nguồn lực liên quan đến quá trình chuyển đổi nông sản từ trang trại nuôi trồng cho đến tay người tiêu dùng (Starlinks, 2010). Sự kết hợp hạn chế giữa các thị trường nông nghiệp quốc gia và cơ sở hạ tầng thị trường nông nghiệp là những thách thức chính trong QLCCƯNN (Bhaskar B. Gardas và cộng sự, 2019). Quản lý hàng tồn kho và tối ưu hóa là những yếu tố quan trọng để đạt được sự bền vững trong CCƯNN (Luis A. Flores và cộng sự, 2024). Công nghệ số, trí tuệ nhân tạo (AI) và internet vạn vật có thể cải thiện tính minh bạch, truy xuất nguồn gốc và hiệu quả của chuỗi cung ứng (Yandra Arkeman và cộng sự, 2023). Các mô hình quản lý bền vững trong CCƯNN giúp giảm lãng phí và ô nhiễm, đồng thời tạo ra lợi thế cạnh tranh (Luis A. Flores và cộng sự, 2024).

Sơ lược về phương pháp phân tích thư mục

Phương pháp phân tích thư mục (Bibliometrics) là phương pháp kết hợp giữa toán học, thống kê các nghiên cứu, sách báo và các phương tiện truyền thông (Lực Phan Tấn, 2022). Phương pháp Bibliometrics bao gồm nhiều kỹ thuật khác nhau, như: phân tích trích dẫn, phân tích ghép thư mục, phân tích đồng từ và đánh giá đồng trích dẫn (Nicolaisen, 2010). Phương pháp phân tích thư mục sử dụng phân tích định lượng dữ liệu thực nghiệm trong tài liệu đã xuất bản để nghiên cứu các mô hình xuất bản trong một lĩnh vực (De Bellis, 2009). Hai phương pháp được sử dụng cùng nhau là phân tích đồng từ và phân tích đồng trích dẫn (Robert Ft. Braam và cộng sự, 1991). Sự kết hợp của phân tích đồng từ và phân tích đồng trích dẫn cung cấp sự hiểu biết về bức tranh chung về cấu trúc và sự phát triển của nghiên cứu chủ đề (Phan Tan Luc và cộng sự, 2020). Nó cũng gợi ý hướng đi trong tương lai của chủ đề nghiên cứu (Mehmet Ali Köseoglu và cộng sự, 2015).

KẾT QUẢ NGHIÊN CỨU

Dựa trên phương pháp phân tích đồng từ và đồng trích dẫn, nhóm tác giả phân tích nghiên cứu và xác định các chủ đề nghiên cứu tiềm năng trong tương lai (Loet Leydesdorff và cộng sự, 2013). Dữ liệu được lấy thông qua cơ sở dữ liệu Web of Science và các thuật ngữ tìm kiếm được sử dụng là [agricultural AND “supply chain management”]; đồng thời, giới hạn các nghiên cứu trong lĩnh vực: (1) kinh doanh, quản lý và kế toán và (2) kinh tế, kinh tế lượng và tài chính. Nhóm tác giả tìm kiếm sơ bộ được 498 ấn phẩm được công bố từ năm 1997 đến tháng 6/2025. Các nghiên cứu về QLCCƯNN đang nhận được nhiều sự quan tâm nghiên cứu.

Mạng lưới đồng trích dẫn được xây dựng và trực quan hóa cho nghiên cứu về tinh thần kinh doanh xã hội bằng phần mềm VOSviewer (Nees Jan van Eck và Ludo Waltman, 2010). Số lượng bài báo tăng dần từ năm 1997 đến tháng 6/2025. Điều này chứng tỏ cộng đồng học thuật đang chú trọng đến chủ đề QLCCƯNN. Thống kê theo địa lý, nhiều quốc gia đã và đang nghiên cứu về chủ đề này, trong đó các quốc gia châu Á đóng góp 290 bài báo (chiếm 43,48%) và các nhà khoa học Việt Nam đóng góp 10 bài báo (Hình 1). Điều này khẳng định cộng đồng học thuật tại châu Á đang chú ý đến chủ đề nghiên cứu này.

Hình 1: Số lượng bài báo đăng tải trên Scopus

Số lượng bài báo đăng tải hàng năm

Số lượng bài báo đăng tải của từng quốc gia

Tiếp theo, nhóm tác giả sử dụng kỹ thuật kết nối thư mục để làm nổi bật những chủ đề nghiên cứu quan trọng. Các nghiên cứu chủ yếu tập trung vào 5 vấn đề chính, thể hiện cụ thể ở Bảng 1.

Bảng 1: Phân nhóm nghiên cứu về QLCCƯNN

Nguồn: Nhóm tác giả tổng hợp

Hình 2: Sự liên kết giữa các bài báo được thực hiện dựa trên phương pháp kết nối thư mục Sự kết nối giữa các từ khoá

Sự kết nối giữa các bài báo

Nguồn: VOSviewer

Nhóm 1 (quyền lực trong QLCCƯNN) phân tích ảnh hưởng của quyền lực đến sự bền vững trong chuỗi cung ứng nông sản, nhấn mạnh việc phân bổ quyền lực công bằng giữa các bên tham gia. Anne Touboulic và cộng sự (2014) đã sử dụng lý thuyết phụ thuộc tài nguyên (RDT) trong ngành thực phẩm của Anh và nhận thấy mối quan hệ quyền lực ảnh hưởng đến việc tuân thủ và chia sẻ rủi ro và giá trị liên quan đến tính bền vững giữa các đối tác trong chuỗi cung ứng. Các nhà nghiên cứu đưa ra những loại quyền lực tác động đến CCƯNN gồm: quyền lực chuyên gia, quyền lực cưỡng chế, quyền lực phi kinh tế và quyền lực kinh tế. Quyền lực chuyên gia tăng cường sự phối hợp giữa các thành viên trong chuỗi cung ứng (Vera Belaya và Jon Henrich Hanf, 2012. Quyền lực cưỡng chế tác động đáng kể đến các quá trình ra quyết định, như bổ sung hàng tồn kho, dẫn đến sự gia tăng tính biến động về số lượng và khoảng thời gian đặt hàng (Ramesh Roshan Das Guru và cộng sự, 2014). Quyền lực phi kinh tế ảnh hưởng tích cực đến sự tích hợp chuỗi cung ứng, đặc biệt là trong việc phối hợp quy trình, nhiều hơn là chia sẻ thông tin (Shaoling Fu và cộng sự, 2020). Quyền lực kinh tế tác động khác nhau đến sự tích hợp chuỗi cung ứng và phụ thuộc vào quyền lực cụ thể đang diễn ra (Shaoling Fu và cộng sự, 2020). Sự mất cân bằng quyền lực giữa các bên liên quan trong chuỗi cung ứng có thể dẫn đến tình trạng kém hiệu quả và bất ổn (Odongo, W. và cộng sự, 2017).

Nhóm 2 (QLCCƯNN bền vững) áp dụng các chiến lược chuỗi cung ứng xanh trong nông nghiệp, nhằm giảm thiểu tác động môi trường, tối ưu hóa quy trình sản xuất và phân phối, đồng thời đảm bảo sự bền vững lâu dài cho ngành nông sản. Các hoạt động bền vững trong chuỗi cung ứng có thể mang lại lợi thế cạnh tranh, đặc biệt là ở các thị trường có tính minh bạch và tiêu chuẩn chất lượng cao (Ulla Lehtinen, 2017). Việc phối hợp các quy trình kinh doanh để đáp ứng các mục tiêu xã hội, môi trường và kinh tế để giải quyết các vấn đề như diện tích đất đai đang giảm và nhu cầu ngày càng tăng của người tiêu dùng (Ernest Mugoni và cộng sự, 2023). Tính minh bạch trong chuỗi thực phẩm giúp tăng cường an toàn thực phẩm, an toàn cho người lao động và chăm sóc động vật (Sachin Kumar Mangla và cộng sự, 2018). Giảm thiểu phát thải và cải thiện tính minh bạch là những thách thức (Ernest Mugoni và cộng sự, 2023). Quá trình chuyển đổi bền vững yêu cầu sự đầu tư vào nông nghiệp tái tạo và chuỗi cung ứng phục hồi để giải quyết các tác động về môi trường và xã hội (Munyaradzi Chibaro và cộng sự, 2024). Những yếu tố quan trọng thúc đẩy việc thực hiện các sáng kiến ​​bền vững trong QLCCƯNN bao gồm: nguồn cung ứng đầu vào, giảm thiểu chất thải và công nghệ nông nghiệp chính xác (Sachin Kumar Mangla và cộng sự, 2018).

Nhóm 3 (quản lý rủi ro trong CCƯNN) là vấn đề nghiên cứu quan trọng do đặc điểm của sản phẩm nông nghiệp. Các yếu tố (như: tính dễ hư hỏng, sự phụ thuộc vào điều kiện thời tiết, chính sách thể chế…) là những nguồn rủi ro chính trong CCƯNN (Guoqing Zhao và cộng sự, 2017). Yếu tố rủi ro về kinh tế thường xảy ra tại cấp độ phân phối (N Haryati và cộng sự, 2022). Sự biến động của nguyên liệu là rủi ro của cung ứng nông nghiệp (Simon Gollisch và Ludwig Theuvsen, 2015). Yếu tố truy xuất nguồn gốc, quản lý tri thức, hợp tác, văn hóa và sự linh hoạt là những yếu tố quan trọng để tăng cường khả năng phục hồi của CCƯNN (Guoqing Zhao và cộng sự, 2017). Quá trình phân tích dữ liệu với số lượng lớn sẽ giúp giảm thiểu rủi ro và giúp ích đối với người quản lý (Guanghe Han và cộng sự, 2024). Tính bền vững của CCƯNN được nâng cao khi sử dụng phương pháp phân tích đa chiều để đánh giá các yếu tố kinh tế, xã hội, môi trường, kỹ thuật và thể chế (Choirun A. và cộng sự, 2020).

Nhóm 4 (AI ứng dụng trong CCƯNN) đã làm thay đổi đáng kể các hoạt động canh tác truyền thống, nâng cao hiệu quả, năng suất và tính bền vững. Các công nghệ AI được sử dụng theo dõi mùa màng dựa trên thời gian thực, phát hiện bệnh tật và dự đoán năng suất; điều này cho phép nông dân đưa ra quyết định tối ưu hóa quá trình canh tác (Layla Alhalwachi và cộng sự, 2024). AI hỗ trợ kiểm soát chính xác nguồn nước, phân bón và thuốc trừ sâu; điều này giúp gia tăng năng suất và giảm tác động đến môi trường (Muhammad Kabir Musa và cộng sự, 2023). AI thúc đẩy hiệu quả hoạt động logistics, quản lý hàng tồn kho và tối ưu hóa tuyến đường, giảm thiểu tổn thất sau thu hoạch và đảm bảo giao hàng đúng hạn (James Kanyepe và cộng sự, 2025). Phân tích dự đoán và thuật toán AI giúp dự báo nhu cầu thị trường; điều này cho phép điều chỉnh nguồn cung phù hợp hơn với nhu cầu thị trường (Kushagra Agrawal và Navneet Kumar, 2025). Các ứng dụng AI được sử dụng trong quá trình chế biến thực phẩm (gồm đảm bảo chất lượng, tối ưu hóa sản phẩm, đảm bảo tuân thủ các tiêu chuẩn chất lượng và giảm thiểu chất thải) (Hassan M. Al-Jawahry và cộng sự, 2025). Phân tích dữ liệu do AI thúc đẩy cung cấp thông tin chi tiết có giá trị cho nông dân, giúp họ đưa ra quyết định tốt hơn về quản lý cây trồng và phân bổ sản phẩm dựa trên chiến lược thị trường (Petros Chavula và cộng sự, 2024).

Nhóm 5 (quản lý nhà cung cấp và sự hài lòng của khách hàng) chỉ ra rằng, việc quản lý mối quan hệ với nhà cung cấp và khách hàng có ảnh hưởng đến hiệu quả cung ứng và sự hài lòng của khách hàng. Công cụ phân tích thứ hạng (AHP) giúp chọn nhà cung cấp 3PL tốt nhất (Sanjeev Yadav và cộng sự, 2020). Mối quan hệ giữa nhà cung cấp và người mua được xác định bởi sự hài lòng, sự tin tưởng và cam kết (B. Schulze và cộng sự, 2006). Quản lý nhà cung cấp hiệu quả rất quan trọng để nâng cao hiệu quả chuỗi cung ứng, từ đó tác động tích cực đến hiệu quả kinh doanh (T. N. Srikantha Dath và cộng sự, 2009). Sự hài lòng của khách hàng đóng vai trò trung gian trong mối quan hệ giữa quản lý nhà cung cấp và hiệu quả kinh doanh, do đó, quản lý nhà cung cấp tốt hơn sẽ dẫn đến sự hài lòng của khách hàng cao hơn (Mohd Abdul Muqeet Maaz và Rais Ahmad, 2022). Các hoạt động này giúp giảm thời gian giao hàng, cải thiện chất lượng sản phẩm và đảm bảo giao hàng đúng hạn (Rakesh K. Mudgal và cộng sự, 2021). Các yếu tố ảnh hưởng đến sự hài lòng của khách hàng bao gồm: chất lượng sản phẩm, sự đa dạng, độ tươi mới, an toàn và giá cả (Hui Yang và Yajuan Zhang, 2015). Để cải thiện hoạt động kinh doanh, các nhà quản lý thường xuyên đánh giá mức độ hài lòng của khách hàng và tăng cường giao tiếp với các đối tác trong chuỗi cung ứng (Prabusankar R., 2017).

HƯỚNG NGHIÊN CỨU TƯƠNG LAI

QLCCƯNN đang trở thành một lĩnh vực nghiên cứu ngày càng quan trọng trong bối cảnh toàn cầu hóa và sự phát triển mạnh mẽ của ngành nông nghiệp. Các nghiên cứu hiện nay tập trung vào việc cải thiện hiệu quả của chuỗi cung ứng từ sản xuất, chế biến đến tiêu thụ, đồng thời giải quyết các vấn đề về sự bền vững, bảo vệ môi trường và phát triển kinh tế - xã hội. Dựa trên các nhóm nghiên cứu đã xác định, nhóm tác giả đưa ra những hướng nghiên cứu sâu hơn như sau:

Nghiên cứu về quyền lực trong CCƯNN là một lĩnh vực đang phát triển với một số hướng nghiên cứu đầy hứa hẹn trong tương lai. Các nhà nghiên cứu cần có phân tích chuyên sâu về sức mạnh thị trường trong CCƯNN, đặc biệt tập trung vào nhà cung cấp và các lĩnh vực phân phối (Bong-Sup Shin, 2008). Các nghiên cứu trong tương lai nên xem xét sự thay đổi trong văn hóa của người tiêu dùng, hướng đến quá trình gia tăng của chủ nghĩa tiêu dùng sinh thái (Tony Webb, 2007). Việc nghiên cứu cách thức hành động tập thể và sự can thiệp từ bên ngoài có thể thay đổi quyền lực thương lượng của những người nông dân sản xuất nhỏ và các bên liên quan khác trong chuỗi cung ứng là rất quan trọng (Stefano Corsi và Rosalia Filippini, 2023).

Lĩnh vực QLCCƯNN bền vững đang phát triển nhanh chóng với một số hướng nghiên cứu mới nổi được xác định trong các tài liệu gần đây. Những nghiên cứu tiếp theo có thể tập trung vào quản lý chuỗi cung ứng xanh (giảm thiểu chất thải, thúc đẩy canh tác hữu cơ và tái tạo) trong các bối cảnh địa lý khác nhau (Munyaradzi Chibaro và cộng sự, 2024). Đồng thời, các nhà nghiên cứu định hướng chính sách, nhận thức của bộ phận quản lý và sự hiểu biết của các bên liên quan trong việc thực hiện quản lý chuỗi cung ứng xanh. Một hướng nghiên cứu khác là khám phá các khía cạnh xã hội của tính bền vững, bao gồm: quyền lao động, sức khỏe, an toàn và tác động cộng đồng (Irayanti Adriant và cộng sự, 2023). Cùng với đó, việc đánh giá tác động môi trường của các hoạt động trong chuỗi cung ứng và phát triển các phương pháp để giảm thiểu dấu chân sinh thái là hướng nghiên cứu khác (Mohammadreza Nematollahi và Alireza Tajbakhsh, 2020).

Đặc thù sản phẩm nông nghiệp dễ bị ảnh hưởng bởi yếu tố thời tiết, biến động giá cả và các yếu tố tự nhiên khác, do đó, việc nghiên cứu và phát triển các mô hình quản lý rủi ro hiệu quả là vô cùng quan trọng. Phát triển các mô hình toán học giải quyết các thách thức đặc biệt như: tính theo mùa, tính dễ hỏng và gia tăng thời gian cung ứng đối với các sản phẩm nông nghiệp (Golnar Behzadi và cộng sự, 2018). Tận dụng công nghệ dữ liệu lớn, các nhà nghiên cứu phân tích sự tương tác giữa các yếu tố rủi ro khác nhau bằng các thuật toán tiên tiến (Guanghe Han và cộng sự, 2024). Dựa trên phân tích các yếu tố kinh tế, môi trường và rủi ro liên quan đến các chiến lược chuỗi cung ứng khác nhau, các nghiên cứu trong tương lai tạo ra các phương án giảm thiểu sự gián đoạn và đảm bảo khả năng phục hồi (N Haryati và cộng sự, 2022).

Việc tích hợp AI vào QLCCƯNN hứa hẹn nâng cao hiệu quả, tính bền vững và năng suất của chuỗi cung ứng. Hướng nghiên cứu hứa hẹn nhiều sự thú vị là tập trung vào việc phát triển các thuật toán AI tiên tiến trong lĩnh vực nông nghiệp, bao gồm: dự đoán năng suất, phát hiện bệnh, tối ưu hóa tài nguyên… (Ying Mei Leong và cộng sự, 2023). Bên cạnh đó, ứng dụng các mô hình thuật toán tự học của AI trong các giai đoạn khác nhau của chuỗi cung ứng nông nghiệp. Đồng thời, các nhà khoa học đề xuất các giải pháp và chiến lược tiết kiệm chi phí để giúp công nghệ dễ dàng ứng dụng trong CCƯNN (Mohan K. Warbhe và cộng sự, 2024). Việc xây dựng các khung chính sách và quy định toàn diện là cần thiết để đảm bảo việc sử dụng AI trong nông nghiệp được thực hiện một cách có trách nhiệm và đạo đức (Kushagra Agrawal và Navneet Kumar, 2025).

Sự tương tác giữa quản lý nhà cung cấp và sự hài lòng của khách hàng là rất quan trọng trong chuỗi cung ứng nông nghiệp. Phát triển các nghiên cứu về các công cụ ra quyết định để lựa chọn nhà cung cấp dịch vụ 3PL (Sanjeev Yadav và cộng sự, 2020). Các nhà khoa học tăng cường khám phá các yếu tố ảnh hưởng đến chất lượng mối quan hệ giữa đơn vị sản xuất và những nhà cung cấp nhỏ (B. Schulze, C. Wocken và A. Spiller, 2006). Nghiên cứu đề xuất các chiến lược giảm thiểu sự gián đoạn chuỗi cung ứng, cải thiện dịch vụ, giảm thiểu thời gian giao hàng và hạn chế mức tồn kho (Jonathan Köber và Georg Heinecke, 2013). Đồng thời, phát triển các chiến lược phân phối sản phẩm nông nghiệp thông qua các kênh trực tuyến, ngoại tuyến và mạng lưới cửa hàng; từ đó nâng cao sự hài lòng của khách hàng và tối đa hóa lợi nhuận (Han Lim và cộng sự, 2023). Thiết kế CCƯNN khép kín với nhiều cấp độ để giảm chi phí và tối đa hóa lợi nhuận (Armin Cheraghalipour và Emad Roghanian, 2022)./.

TÀI LIỆU THAM KHẢO

1. Anne Touboulic, Daniel Chicksand and Helen Walker (2014). Managing Imbalanced Supply Chain Relationships for Sustainability: A Power Perspective, Decision Sciences, 45 (4), 577-619, https://doi.org/10.1111/deci.12087.

2. Armin Cheraghalipour and Emad Roghanian (2022). A bi-level model for a closed-loop agricultural supply chain considering biogas and compost, Environ Dev Sustain, https://doi.org/10.1007/s10668-022-02397-1.

3. B. Schulze, C. Wocken and A. Spiller (2006). Relationship quality in agri-food chains: Supplier management in the German pork and dairy sector, Journal on Chain and Network Science, 6(1), 55-68, DOI: 10.3920/JCNS2006.x065.

4. Bhaskar B. Gardas, Rakesh D. Raut, Naoufel Cheikhrouhou and Balkrishna E. Narkhede (2019). A hybrid decision support system for analyzing challenges of the agricultural supply chain, Sustainable Production and Consumption, 18, 19-32, Elsevier, https://doi.org/10.1016/j.spc.2018.11.007.

5. Bong-Sup Shin (2008). Review on Market Power of the Australian Agricultural Chain, International Area Studies Review, 11(1), 191-204, https://doi.org/10.1177/22338659080110011.

6. C. Ganeshkumar, M. Pachayappan and G. Madanmohan (2017). Agri-food supply chain management: Literature review, Intelligent Information Management, 9(2), 68-96, https://doi.org/10.4236/iim.2017.92004.

7. Choirun A., Santoso I., and Astuti R. (2020). Sustainability risk management in the agri-food supply chain: Literature review, IOP Conference Series: Earth and Environmental Science, 475 (1), 012050, DOI: 10.1088/1755-1315/475/1/012050.

8. De Bellis, N. (2009). Bibliometrics and Citation Analysis: From the Science Citation Index to Cybermetrics, Scarecrow Press, Lanham, MD.

9. Ernest Mugoni, Iscacle Nyanhete, Charles Tsikada, Rumbidzai Pashapa, Thelma Lilian Munodawafah (2023). Sustainable Supply Chains in the Agricultural Sector, CABI Digital Library, 175-183, https://doi.org/10.1079/9781800622548.0018.

10. Esakki Muthu Santhanam and Kartheeban Kamatchi (2025). Enhancing Agricultural Supply Chain Management With Blockchain Technology and DSA-TabNet: A PBFT-Driven Approach, Transactions on Emerging Telecommunications Technologies, 36 (3), e70085, https://doi.org/10.1002/ett.70085.

11. Farshid Danesh and Ali Mardani-Nejad (2020). A historical overview of bibliometrics, Handbook Bibliometrics, 7-17, DOI: 10.1515/9783110646610-003.

12. Golnar Behzadi, Michael Justin O’Sullivan, Tava Lennon Olsen and Abraham Zhang (2018). Agribusiness supply chain risk management: A review of quantitative decision models, Omega, 79, 21-42, https://doi.org/10.1016/j.omega.2017.07.005.

13. Guanghe Han, Xin Pan and Xin Zhang (2024). Big data-driven risk decision-making and safety management in agricultural supply chains, Quality Assurance and Safety of Crops & Foods, 16(1), 121-138, https://doi.org/10.15586/qas.v16i1.1445.

14. Guoqing Zhao, Shaofeng Liu and Carmen Lopez (2017). A Literature Review on Risk Sources and Resilience Factors in Agri-Food Supply Chains, IFIP Advances in Information and Communication Technology, https://doi.org/10.1007/978-3-319-65151-4_66.

15. Han Lim, Kathleen B. Aviso and Biswajit Sarkar (2023). Effect of service factors and buy-online-pick-up-in-store strategies through an omnichannel system under an agricultural supply chain management, Electronic Commerce Research and Applications. 60, 101282, https://doi.org/10.1016/j.elerap.2023.101282.

16. Hasan Selim, Sibel Selim and Selen Eroǧlu (2011). Analysis of the determinants of customer satisfaction in an international manufacturing firm, Journal of the Faculty of Engineering and Architecture of Gazi University, 26(3), 561-573.

17. Hui Yang and Yajuan Zhang (2015). Online Marketing Strategy for Agricultural Supply Chain and Regional Economic Growth based on E-commerce Perspective, International Journal of Security and Its Applications, 9(10), 323-332, DOI: 10.14257/ijsia.2015.9.10.29.

18. Irayanti Adriant, Togar Mangihut Simatupang and Yuanita Handayati (2023). Collaboration in responsible agriculture supply chain management: a systematic literature review, International Journal of Integrated Supply Management, 16(2), 148-173, https://doi.org/10.1504/IJISM.2023.130327.

19. James Kanyepe, Munyaradzi Chibaro, Masego Morima and Josephine Moeti-Lysson (2025). AI-Powered Agricultural Supply Chains: Applications, Challenges, and Opportunities, Integrating Agriculture, Green Marketing Strategies, and Artificial Intelligence, IGI Global, 33-63, DOI: 10.4018/979-8-3693-6468-0.ch002.

20. Jonathan Köber and Georg Heinecke (2013). The Importance of Managing Events in a Build-to-Order Supply Chain: A Case Study at a Manufacturer of Agricultural Machinery, https://doi.org/10.1007/978-3-642-35966-8_14.

21. Jones Elite Logistics (2023). Supply chain management in agriculture, https://www.joneselitelogistics.com/blog/supply-chain-management-in-agriculture/.

22. Kushagra Agrawal and Navneet Kumar (2025). AI-ML Applications in Agriculture and Food Processing, In Food and Industry 5.0: Transforming the Food System for a Sustainable Future, https://doi.org/10.1007/978-3-031-76758-6_2.

23. Layla Alhalwachi, Nader Alkhater, Nawal Albalawi, Maged Alharbi, Zainab Zainaldeen, Muaeyd Aldhamin and Moheeb Alwarsh (2024). Exploring the Potential Applications of Artificial Intelligence in the Agriculture Sector: Case Study Tabuk District, In Achieving Sustainable Business Through AI, Technology Education and Computer Science, https://doi.org/10.1007/978-3-031-73632-2_13.

24. Loet Leydesdorff, Stephen Carley and Ismael Rafols (2013). Global maps of science based on the new Web-of-Science categories, Scientometrics, 94(2), 589-593, https:// doi.org/10.1007/s11192-012-0784-8.

25. Lực Phan Tấn (2022). Bibliometrics of social Entrepreneurship Research: Cocitation and Bibliographic coupling analyses, Cogent Business & Management, Taylor & Francis Journals, 9(1), 2124594-212.

26. Luis A. Flores, Isidro Jesús González-Hernández, Armida Patricia Porras-Loaiza and Craig Watters (2024). Advancements in inventory management within the agricultural supply chain: implications for waste reduction and sustainability, Management Review Quarterly, https://doi.org/10.1007/s11301-024-00463-8.

27. Nees Jan van Eck and Ludo Waltman (2010). Software Survey: VOSviewer, a Computer Program for Bibliometric Mapping, Scientometrics, 84(2), 523-538, doi:10.1007/s11192-009-0146-3.

28. Mehmet Ali Köseoglu, Yasin Sehitoglu amd Jana Craft (2015). Academic Foundations of Hospitality Management Research with an Emerging Country Focus: A Citation and co-Citation Analysis, International Journal of Hospitality Management, 45, 130-144, Doi:10.1016/j.ijhm.2014.12.004.

29. Michael J. Curtis (2023). How to Write a Scientific Paper, In: The Quintessence of Basic and Clinical Research and Scientific Publishing, https://doi.org/10.1007/978-981-99-1284-1_41.

30. Mohammadreza Nematollahi and Alireza Tajbakhsh (2020). Past, present, and prospective themes of sustainable agricultural supply chains: A content analysis, Journal of Cleaner Production, 271, 122201, https://doi.org/10.1016/j.jclepro.2020.122201.

31. Mohan K. Warbhe, Prateek Verma & Rajendra Rewatkar (2024). A Review on the Use of AI and Robotics in Agricultural Practices, 2024 Second International Conference on Intelligent Cyber Physical Systems and Internet of Things (ICoICI), doi: 10.1109/ICoICI62503.2024.10696164.

32. Mohd Abdul Muqeet Maaz and Rais Ahmad (2022). Impact of supply chain performance on organizational performance mediated by customer satisfaction: a study of dairy industry, Business Process Management Journal, 28(1), 1-22, https://doi.org/10.1108/BPMJ-05-2021-0292.

33. Muhammad Kabir Musa, Abdullateef Abdulsalam, Usman Abubakar Haruna, Farida Zakariya, Inibehe Ime Okon, Shuaibu Saidu Musa & Don Eliseo Lucero-Prisno III (2023). Exploring the potential of artificial intelligence to boost Africa's food security, Advances in Food Security and Sustainability, 8, 267-286, https://doi.org/10.1016/bs.af2s.2023.07.004.

34. Munyaradzi Chibaro, Cynthia Mupfiga, Munyaradzi Linos Mahwine, David Chikwere, Justine Mbudaya and James Kanyepe (2024). Green Supply Chain Management and Agricultural Performance: Towards Ecological Supply Chain Management From Sustainable Supply Systems, Integrating Agriculture, Green Marketing Strategies, and Artificial Intelligence, IGI Global, 285-316, DOI: 10.4018/979-8-3693-6468-0.ch010.

35. N Haryati, N F Rayesa, F Faizal and M A Fanani (2022). Risk analysis of shallot upstream supply chain in Malang during COVID-19 pandemic, IOP Conference Series: Earth and Environmental Science, 1063(1), 012034, DOI: 10.1088/1755-1315/1063/1/012034.

36. Nicolaisen, J. (2010). Bibliometrics and citation analysis: From the science citation index to cybermetrics, Journal of the American Society for Information Science and Technology, 61(1), 205-207, https://doi.org/10.1002/asi.21181.

37. Odongo, W., Dora, M.K., Molnar, A., Ongeng, D. and Gellynck, X. (2017), Role of power in supply chain performance: evidence from agribusiness SMEs in Uganda, Journal of Agribusiness in Developing and Emerging Economies, 7 (3), 339-354, https://doi.org/10.1108/JADEE-09-2016-0066.

38. Petros Chavula, Fredrick Kayusi and Bismark Agura Kayus (2024). Linking New Information Technologies to Agricultural Economics: The Role of Artificial Intelligence Integration, https://doi.org/10.62486/latia2025326.

39. Phan Tan Luc, Pham Xuan Lan, Angelina Nhat Hanh Le and Bui Thanh Trang (2020). A Co-Citation and Co-Word Analysis of Social Entrepreneurship Research, Journal of Social Entrepreneurship, DOI: 10.1080/19420676.2020.1782971.

40. Prabusankar R. (2017). Impact of supply chain management practices on competitive advantage of small manufacturing firms in Coimbatore district, International Journal of Mechanical Engineering and Technology, 8(10), 836-843.

41. Rakesh K. Mudgal, Neeraj Khera, Shikha N. Khera and Karishma Gulati (2021). Unfolding the Linkage Between SCM Practices and Customer Responsiveness in Indian Automotive and Aerospace Manufacturing Firms, MDI Gurgaon, 29(1), 48- 66, https://doi.org/10.1177/09722629211053406.

42. Ramesh Roshan Das Guru, Amin Kaboli and Rémy Glardon (2014). The Effect of Coercive Power on Supply Chain Inventory Replenishment Decisions, In Conference: Advances in Production Management Systems. 439, https://doi.org/10.1007/978-3-662-44736-9_28.

43. Robert Ft. Braam, Henk F. Moed and Anthony F. J. van Raan (1991). Mapping of Science by Combined CoCitation and Word Analysis. I. Structural Aspects, Journal of the American Society for Information Science, 42(4), 233-251, Doi:10.1002/(SICI)1097-4571(199105)42:43.0.CO;2-I.

44. S. Poornimadarshini, S. Sindhu, Saravanakumar Veerappan and N. Arvinth (2024). JOWUA: Bibliometrics Analysis of Research Publication Between 2019 and 2024, Journal of Wireless Mobile Networks, Ubiquitous Computing, and Dependable Applications (JoWUA), 15(4), 348-357, DOI: 10.58346/JOWUA.2024.I4.023.

45. Sachin Kumar Mangla, Sunil Luthra, Nick Rich, Divesh Kumar, Nipendra P. Rana and Yogesh K. Dwivedi (2018). Enablers to implement sustainable initiatives in agri-food supply chains, International Journal of Production Economics, 203, 379-393, https://doi.org/10.1016/j.ijpe.2018.07.012.

46. Saiful Bukhori and Windi Eka Yulia Retnani (2017). Development of Supply Chain Management Agribusiness Using Collaborative, Planning, Forecasting and Replenishment Concept, Advanced Science Letters, 23(3), 2340-2343(4), https://doi.org/10.1166/asl.2017.8757.

47. Sanjeev Yadav, Dixit Garg and Sunil Luthra (2020). Selection of third-party logistics services for internet of things-based agriculture supply chain management, International Journal of Logistics Systems and Management, 35(2), 204-230, DOI: 10.1504/IJLSM.2020.104780.

48. Simon Gollisch and Ludwig Theuvsen (2015). Risk management in the farm supply sector - Characteristics, challenges and implications, Berichte uber Landwirtschaft, 93(1).

49. Starlinks (2010). Chuỗi giá trị nông sản và những vấn đề về logistics trong ngành nông sản, https://starlinks.com.vn/chuoi-gia-tri-nong-san-va-nhung-van-de-ve-logistics-trong-nganh-nong-san/?utm_source=chatgpt.com.

50. Stefano Corsi and Rosalia Filippini (2023). From Power Imbalance to Interdependence: A Case Study of the Chadian Sesame Supply Chain, The European Journal of Development Research, 35, 684-714, https://doi.org/10.1057/s41287-022-00528-y.

51. T.N. Srikantha Dath, Chandrasekharan Rajendran and K. Narashiman (2009). An empirical study on supply chain management in India: the perspective of original equipment manufacturers and suppliers, European Journal of Industrial Engineering, 4(1), 2-39, DOI: 10.1504/EJIE.2010.029568.

52. Tony Webb (2007). Towards an agri-food 'culture': Managing the impact on agricultural supply chains of changes in consumer culture, World Sustainable Development Outlook 2007: Knowledge Management and Sustainable Development in the 21st Century, 344-354, DOI: 10.4324/9781351280242-33.

53. Ulla Lehtinen (2017). Sustainable Supply Chain Management in Agri-food Chains, Wiley, https://doi.org/10.1002/9781119072737.ch7.

54. Vera Belaya and Jon Henrich Hanf (2012). Managing Russian agri-food supply chain networks with power, Journal on Chain and Network Science 2012, 12(3), 215-230, DOI: 10.3920/JCNS2012.x217.

55. Yandra Arkeman, Nizmah J. Hidayah, Aries Suharso, Faza Adhzima and Try Kusuma (2023), Implementation of artificial intelligence and blockchain in agricultural supply chain management, Journal of the International Society for Southeast Asian Agricultural Sciences, 29(1), 135-149.

56. Ying Mei Leong, Ean Heng Lim, Nor Fatiha Binti Subri and Norazira Binti A Jalil (2023). Transforming Agriculture: Navigating the Challenges and Embracing the Opportunities of Artificial Intelligence of Things, 2023 IEEE International Conference on Agrosystem Engineering, Technology & Applications (AGRETA), doi: 10.1109/AGRETA57740.2023.10262747.