MétaCan
Menu
Retour à la cohorte
Enregistrement W2599444024 · doi:10.1002/bse.1958

Doing More with Less: Building Dynamic Capabilities for Eco‐Efficiency

2017· article· en· W2599444024 sur OpenAlexaffabout
Jean D. Kabongo, Olivier Boiral

Notice bibliographique

RevueBusiness Strategy and the Environment · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésOperationalizationDynamic capabilitiesOrganizational ecologyIndustrial ecologyExtant taxonVariety (cybernetics)Process (computing)Knowledge managementConsolidation (business)Resource (disambiguation)BusinessProcess managementEcologyIndustrial organizationEnvironmental resource managementComputer scienceSustainabilityEconomicsManagement

Résumé

récupéré en direct d'OpenAlex

Abstract This article sheds light on the manner in which managers perceive, develop and integrate dynamic capabilities for eco‐efficient activities inherent to industrial ecology. The research employs a case study of 12 Canadian facilities involved in the processing of a wide variety of waste materials. Findings from the experiences of 60 managers interviewed reveal that capabilities for industrial ecology largely depend upon the integration and coordination of competencies, innovations and new routines related to several functional areas: innovation and technological development; control of residual material flows; adjustments in human resources; management of environmental constraints; and networking and marketing. These dynamic capabilities are developed and integrated through a four‐stage process: local experimentation, internal operationalization, enlargement/cross‐functional integration and strategic consolidation. The paper contributes to the extant literature related to dynamic capabilities and the natural resource‐based view by offering an understanding of those factors necessary for the success of industrial ecology, and also by demonstrating the functional and dynamic nature of such factors. Copyright © 2017 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)0,002
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: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,008
Communication savante0,0050,003
Science ouverte0,0000,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,209
Écart entre enseignants0,200 · 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

Citations118
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBusiness Strategy and the EnvironmentMême sujetSustainable Supply Chain ManagementTravaux en français237 207