MétaCan
Menu
Retour à la cohorte
Enregistrement W2750521589 · doi:10.1071/aj15042

Diversity, inclusion and CSG: the challenges and the benefits

2016· article· en· W2750521589 sur OpenAlexaff
Suzanne Westgate

Notice bibliographique

RevueThe APPEA Journal · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLabor Movements and Unions
Établissements canadiensAlberta Energy
Organismes subventionnairesnon disponible
Mots-clésWorkforceDiversity (politics)Inclusion (mineral)Public relationsNegotiationReputationOpposition (politics)Political scienceBusinessSociologySocial science

Résumé

récupéré en direct d'OpenAlex

Organisations increasingly accept that a genuine commitment to workforce diversity and inclusion improves profitability, reputation and effectiveness. It is also widely accepted that natural CSG projects on the eastern seaboard face increasing challenges from community opposition groups and regulatory change. Embracing diversity and inclusion in the workplace, and developing CSG projects, both require authentic engagement. AGL Energy Limited’s (AGL) Inclusion and Diversity Policy recognises that a diverse workforce, with its broad range of experience and perspectives, has a better opportunity to understand and engage in AGL’s customer base and the communities in which it works. AGL’s policy also emphasises how a diverse workforce can facilitate more creative, innovative and effective solutions. This extended abstract considers how workplace diversity can positively contribute to the development of CSG projects, which must navigate organised community opposition as well as complex regulatory environments. CSG projects, which are typically located in regional areas, can also positively contribute to a more diverse workforce. Provided are examples of situations in which diversity of—and respect for—skills, experience, gender, age, and backgrounds have assisted in achieving successful access negotiations, and enabled authentic engagement with members of the communities in which AGL operates.

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)0,022
score de la tête « metaresearch » (Gemma)0,025
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: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0200,041
Communication savante0,0210,017
Science ouverte0,0030,045
Intégrité de la recherche0,0080,008
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,032
Tête enseignante GPT0,261
Écart entre enseignants0,229 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe APPEA JournalMême sujetLabor Movements and UnionsTravaux en français237 207