MétaCan
Menu
Retour à la cohorte
Enregistrement W2010408893 · doi:10.1002/bse.679

Impacts from climate change on organizations: a conceptual foundation

2010· article· en· W2010408893 sur OpenAlexaff
Monika Winn, Manfred Kirchgeorg, Andrew Griffiths, Martina K. Linnenluecke, Elmar Günther

Notice bibliographique

RevueBusiness Strategy and the Environment · 2010
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésClimate changeImmediacyEnvironmental resource managementSustainabilityScale (ratio)Scope (computer science)Psychological resilienceFoundation (evidence)PredictabilityBusinessPolitical scienceEconomicsGeographyPsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Physical impacts from climate change already pose major challenges for organizations, and the trend is rising. Organization theorists, however, have barely begun to systematically consider the organizational impacts of more and increasingly intense storms, floods, droughts, fires, sea level rise or changing growing seasons as part of their domain of study. Eight organizationally relevant dimensions of climate impacts are identified: severity, temporal scale, spatial scale, predictability, mode, immediacy, state change potential and accelerating trend potential. Combined, their scale, scope and systemic uncertainty suggest future conditions of systemic hyperturbulence in organizational environments, defined here as ‘massive discontinuous change’ (MDC). To build a conceptual foundation for organizations to respond and adapt to MDC, the paper examines contributions from literatures on the management of sustainability, crisis, risk, resilience and adaptive organizational change. It highlights gaps for addressing both business challenges and opportunities from MDC, and suggests avenues for future research. Copyright © 2010 John Wiley & Sons, Ltd and ERP Environment.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0030,020
Communication savante0,0090,010
Science ouverte0,0020,006
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,101
Tête enseignante GPT0,326
Écart entre enseignants0,225 · 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'étudeThéorique ou conceptuel
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

Citations322
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness Strategy and the EnvironmentMême sujetComplex Systems and Decision MakingTravaux en français237 207