MétaCan
Menu
Retour à la cohorte
Enregistrement W2769068223 · doi:10.18270/cuaderlam.v13i24.2155

Financiación al Desarrollo Sostenible a través de Inversiones de Impacto (II): Hacia la Construcción de un Framework Teórico

2017· article· es· W2769068223 sur OpenAlexaff
Orlando Enrique Conteras Pacheco, Alejandra Barbosa Calderón

Notice bibliographique

RevueCuadernos Latinoamericanos de Administración · 2017
Typearticle
Languees
DomaineSocial Sciences
ThématiqueHigher Education and Sustainability
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceGeographyArt

Résumé

récupéré en direct d'OpenAlex

Una inversión de impacto (II) se define como la colocación de recursos financieros en empresas, queapuntan a resolver problemas sociales y ambientales de manera medible, rentable y escalable. El presente artículo pone de manifiesto la oportunidad de desarrollo académico de la temática concerniente a las II, con el objetivo de preparar el proceso de construcción de un framework teórico fundamentado en la elaboración de un marco conceptual y la mención de casos de estudio como instrumentos explicativos. De esta forma, se muestra como algunos fondos de impacto han comenzado a desplegar su accionar en los sistemas productivos de algunos países latinoamericanos y generan valor de largo plazo a través del apoyo de proyectos y emprendimientos basados en criterios que difieren de los aplicados tradicionalmente por inversionistas convencionales. Las contribuciones obtenidas en el estudiodan cuenta de las condiciones exigidas por estos fondos para depositar confianza en ideas que pretenden ser sostenibles, y de los tipos de negocio que tienen la capacidad de atraer dichos inversores, como es el caso de los emprendimientos sociales, las eco-innovaciones, y los negocios orientados a la base de lapirámide social de las regiones y países.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0050,005
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0010,002
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 Opus0,019
Tête enseignante GPT0,366
Écart entre enseignants0,347 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCuadernos Latinoamericanos de AdministraciónMême sujetHigher Education and SustainabilityTravaux en français237 207