MétaCan
Menu
Retour à la cohorte
Enregistrement W3019032419 · doi:10.14505//jemt.11.1(41).15

Environmentally Oriented Anti-Crisis Management of Enterprises: Problems, Directions, and Prospects

2020· article· en· W3019032419 sur OpenAlexaboutno aff
Ainur M. Baltabayeva, Bibigul KYLYSHPAYEVA, Zhanna Assanova, Gulshat Zhunussova

Notice bibliographique

RevueJournal of Environmental Management and Tourism · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEconomic and Technological Developments in Russia
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAuditBusinessChinaWork (physics)Environmentally friendlyEnvironmental crisisFinancial crisisGreen economyCrisis managementEconomicsAccountingSustainable developmentPolitical scienceManagement

Résumé

récupéré en direct d'OpenAlex

The article deals with the issues of environmentally oriented anti-crisis management of enterprises. The authors consider environmentally oriented logistics approaches, analyze the ecological and economic status of the Republic of Kazakhstan, and study the experience of developed countries, such as the United States, Germany, Canada, Ireland, China, and Korea, in managing the green economy. Based on international experience in environmentally oriented economic management, promising tools for managing the transition to a green economy have been developed. According to the authors of the article, the main tools of environmentally oriented anti-crisis management of enterprises are the following: conducting a mandatory environmental audit to determine unbiased findings on the environmental impact; creating regional environmental funds for financial support of environmental activities of enterprises; and trading quotas for limited environmental impact. The theoretical and practical significance of the work lies in the possibility of using the main provisions and conclusions in the development of a contemporary market concept of anti-crisis management of the green economy of both an individual enterprise and the country in general.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,428
Score d'incertitude au seuil0,508

Scores Codex et Gemma par catégorie

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

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 GPT0,207
Écart entre enseignants0,198 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Management and TourismMême sujetEconomic and Technological Developments in RussiaTravaux en français237 207