Pengaruh Tingkat Komitmen Lingkungan Freight Forwarder Terhadap Respon Kebijakan Green Freight Transport
Notice bibliographique
Résumé
Kegiatan transportasi barang memberikan dampak negatif berupa polusi udara yang cukup signifikanpada lingkungan. Kebijakan uji kir kendaraan bermotor saat ini masih belum efektif untuk mengurangiemisi polusi udara karena emisi co2 harus dikontrol melalui pengurangan konsumsi bahan bakar.Diperlukan kebijakan yang dapat mengurangi polusi udara melalui pengurangan konsumsi bahan bakarkendaraan bermotor dengan pendekatan ASI (Avoid, Shift, Improve). Respon freight forwarder sebagai pihakyang terkena dampak langsung kebijakan akan berbeda-beda, diperkirakan dipengaruhi oleh tingkatkomitmen lingkungan perusahaan. Analisis klaster digunakan untuk mengelompokkan tingkat komitmenlingkungan freight forwarder, sedangkan untuk mengetahui pengaruh tingkat komitmen lingkungan freightforwarder terhadap respon kebijakan green freight transport dilakukan analisis Anova satu jalur. Hasil analisisklaster menunjukkan hampir separuh perusahaan (40% atau 24 perusahaan) mempunyai tingkat komitmenreaktif, 33 % (20 perusahaan) perusahaan mempunyai tingkat komitmen akomodatif dan 27% (16 perusahaan)perusahaan mempunyai tingkat komitmen proaktif. Dari uji hipotesis, dapat diketahui bahwa perusahaandengan tingkat komitmen yang berbeda (proaktif, akomodatif, reaktif) tidak memberikan respon yangberbeda terhadap usulan kebijakan green freight transport.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,005 |
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 ».