Disaster risk management in business education setting the tone
Notice bibliographique
Résumé
En la búsqueda de ventanas de oportunidad para incorporar la gestión del riesgo de desastres en la educación de negocios, en el año 2015, la Alianza del Sector Privado para Inversiones Sensibles al Riesgo (ARISE) de la Estrategia Internacional para la Reducción de Desastres de las Naciones Unidas (UNISDR), en asocio con el Instituto de Eventos Extremos de la Florida International University Florida International University (FIU-EEI) y 12 importantes escuelas internacionales de negocios. Esta alianza comenzó con una convocatoria de libro blancos (White Papers) para proponer enfoques innovadores para integrar contenido de vanguardia de gestión del riesgo de desastres a los programas de educación de negocios y demás ofertas académicas, basadas en siete temas o nichos identificados: (1) Inversión Estratégica y Decisiones Financieras; (2) Generación de Valor de Negocio; (3) Gestión Sostenible; (4) Ética en los Negocios y Responsabilidad Social; (5) Planeación de la Continuidad de Negocio; (6) Métricas del Riesgo de Desastre; y (7) Transferencia de Riesgo. En marzo de 2016, se realizó un taller internacional en Toronto, Canadá para la presentación de los libros blancos preparados por las escuelas de negocios, y discutir los enfoques más apropiados para abordar áreas de: enseñanza y currículo; desarrollo profesional y extensión de programas; pasantías y colocaciones; oportunidades de investigación; y alianzas y colaboraciones. Finalmente, el grupo propuso metas para avanzar en la fase de implementación de las iniciativas de las escuelas de negocios y para proponer mecanismos para su monitoreo y seguimiento.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,010 |
| 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 | 0,005 | 0,006 |
| Communication savante | 0,012 | 0,005 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».