MétaCan
Menu
Retour à la cohorte
Enregistrement W2151091534 · doi:10.1002/bse.431

The impact of operator involvement in pollution reduction: case studies in Canadian chemical companies

2005· article· en· W2151091534 sur OpenAlexaffabout
Olivier Boiral

Notice bibliographique

RevueBusiness Strategy and the Environment · 2005
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésOperator (biology)Pollution preventionBusinessReduction (mathematics)PollutionOperations managementMarketingRisk analysis (engineering)EconomicsEngineeringMathematicsEcology

Résumé

récupéré en direct d'OpenAlex

Abstract In contrast to most environmental engineering processes, the effectiveness of employee involvement in pollution reduction seems uncertain, ambiguous and far from being clearly established. For companies whose environmental policies have long rested on technical investments, this uncertainty raises several essential questions, namely ‘what is the true effectiveness of this approach?’, ‘to what degree does employee involvement, most specifically operator involvement, make it possible to significantly and measurably reduce environmental impacts?’ and ‘what type of change could this induce in company operations?’. This article proposes answers to these questions based on an empirical study of the preventive and behavioural aspects of environmental management in the Canadian chemical industry. Conducted in three chemical factories from the Montreal region, the case studies show that significant results, often exceeding managers' expectations, could be obtained through the operators' involvement. However, these results and the precise organizational changes that caused them were difficult to identify, measure and foresee. Copyright © 2005 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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,113
Score d'incertitude au seuil0,227

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0070,003
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,250
Écart entre enseignants0,230 · 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'étudeQualitatif
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

Citations67
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBusiness Strategy and the EnvironmentMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207