Developing a quantitative tool for sustainability assessment of HEIs
Notice bibliographique
Résumé
Purpose Implementation of a sustainability paradigm demands new choices and innovative ways of thinking. The main objective of this paper is to provide a meaningful sustainability assessment tool for make informed decisions, which is applied to higher education institutions (HEIs). Design/methodology/approach The objective is achieved by developing a quantitative tool for sustainability assessment using a driving force‐pressure‐state‐exposure‐effect‐action (DPSEEA) framework. The DPSEEA framework considers environmental, social, economic, and educational performance as main dimensions of sustainability. The proposed model is called DPSEEA‐Sustainability index Model (D‐SiM). The D‐SiM is a causality‐based model in which the sustainability index (SI) is an outcome of nonlinear effects of sustainability indicators in various stages of DPSEEA. To have an improved understanding of input factors (driving forces) and their impact on sustainability, a simplified empirical model is developed and applied to HEIs to determine the percent contribution of various driving forces on sustainability. Findings The study reveals that economic development, social equity, and education in sustainability are the major drivers for achieving sustainability in HEI, while health and safety issues, energy requirements, institutional enhancement, and international research and development trends are the less significant driving forces. Originality/value The indicators connected in DPSEEA framework through causal relationships lead to the quantitative assessment of sustainability, which provides a unique approach for informed decision making.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».