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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,487
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,002
Communication savante0,0040,004
Science ouverte0,0030,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,004

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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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