MétaCan
Menu
Retour à la cohorte
Enregistrement W1921727905 · doi:10.21710/rch.v3i0.33

Tecnologias Limpas nas Micro e Pequenas Empresas: evidências empíricas sobre o impacto das Regulamentações Ambientais

2010· article· pt· W1921727905 sur OpenAlexaff
Orlando Roque da Silva, Fernando de Almeida Santos

Notice bibliographique

RevueRevista Científica Hermes - FIPEN · 2010
Typearticle
Languept
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensAdidas (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsBusinessPhilosophy

Résumé

récupéré en direct d'OpenAlex

Este artigo se insere no esforço, atualmente em curso, de compreender as forças que regulama interação entre empresas e meio ambiente, mais especificamente aquelas induzidas pelasregulamentações ambientais. A proposição fundamental do artigo é que a regulamentaçãoambiental pode tanto evidenciar lacunas nos processos de gestão ambiental, sugerir potenciaismelhorias, aumentar a sensibilização para os problemas ambientais, reduzir a incerteza dosinvestimentos ambientais e criar condições para a inovação, como também, representar maisum custo para as empresas e, como tal, prejudicar a competitividade ou impor barreiras àinovação, por meio da não utilização de tecnologias limpas no processo produtivo. O presenteartigo apresenta os resultados de um estudo exploratório realizado em micro e pequenasempresas. Os resultados obtidos mostram que ainda não é possível afirmar que asregulamentações ambientais são vetores indutores de alterações do processo produtivovisando à redução na geração de resíduos, efluentes líquidos e emissões atmosféricas. Osresultados mostram, também, que as empresas que introduziram modificações em seusprocessos produtivos, devido às regulamentações ambientais, tiveram algum tipo de apoio deinstituições universitárias ou de pesquisa.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,006
Communication savante0,0090,005
Science ouverte0,0020,005
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,270
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Científica Hermes - FIPENMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207