Notice bibliographique
Résumé
Purpose This article aims to discuss issues and strategies of developing practices of ecological sustainability in organizations. Three questions guide the discussion: how are practices of social responsibility and ecological sustainability developed and maintained in organizations? What learning in particular is involved in developing practices of ecological sustainability in organizations? How might this learning be fostered by organizational leaders? Design/methodology/approach The article draws from literatures in ecology, ecological learning and corporate social responsibility to describe the nature of ecological sustainability, intents and approaches of organizations developing it, and their challenges. Case examples drawn from studies of small business are examined to explore successful strategies of developing practices of ecological sustainability. These examples are analysed from a learning perspective. Findings Challenges that hinder adoption of ecological sustainability practice include low stakeholder understanding and support, low management focus and strategy, and insufficient cost‐benefit analysis. Organizations confronted these challenges by emphasizing education and enabling conditions that fostered learning in everyday action (decentralization, diversity, connections, shared focus, constraints, and feedback). Research limitations/implications The discussion shifts the emphasis from corporate social responsibility (CSR) – which has become a broad, contested area of multiple meanings – to ecological sustainability, and shifts the focus from measurement and reporting (prominent in CSR literature) to learning. Practical implications Strategies are suggested for organizational leaders to enable conditions for learning that support practices of ecological sustainability. Originality/value With the learning perspective, and particularly with the focus on ecological learning models based in complexity science, the article demonstrates a unique link between learning approaches and practices of ecological sustainability.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,016 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».