MétaCan
Menu
Retour à la cohorte
Enregistrement W2891479420 · doi:10.6084/m9.figshare.8006312

Climate risk perceptions in the Ontario (Canada) electricity sector

2019· dissertation· en· W2891479420 sur OpenAlexaboutno aff
Anna Dowbiggin

Notice bibliographique

RevueFigshare · 2019
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Sustainable Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectricityClimate changePerceptionBusinessGeographyEnvironmental planningEngineeringPsychologyEcologyElectrical engineeringBiology

Résumé

récupéré en direct d'OpenAlex

This thesis examines management cognition of climate risks in the electricity sector in Ontario (Canada).Risk perception literature is combined with corporate adaptation and risk management literature to offer a broad conceptual framework of climate risk readiness among power producers and utilities. This research aims to move management cognition of climate change past prior contributions which considered climate risk as being solely physical in nature. In this work, eight exogenous and endogenous factors relating to climate risk are examined for their influence on how management may view a wider spectrum of climate change impacts. Using an inductive research approach, 20 in depth case studies explore how electricity executives/senior managers perceive those risks using construct elicitation (repertory grid technique). Findings are triangulated with a narrative analysis of their corporate reportage of climate risks, to gain deeper insight into the complex phenomena of climate risks for the sector.Findings show some similarities and some appreciable differences in both groups’ view of climate risks despite their legitimately contending positions in industry. Overall both power producers and utilities are predominantly concerned with risk analysis and assessment of climate related risks, and less with risk response, suggesting at present the sector remains in an analytical state. The potential benefits of this research approach will provide useful insights to multiple groups including managers and policy makers.

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)0,001
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,316

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,002
Communication savante0,0040,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,224
Écart entre enseignants0,206 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetClimate Change and Sustainable DevelopmentTravaux en français237 207