MétaCan
Menu
Retour à la cohorte
Enregistrement W3030539307 · doi:10.1017/9781316594216.016

Corporate Social Responsibility in the Aviation Industry

2018· book-chapter· en· W3030539307 sur OpenAlexaff
Peter Paul Fitzgerald, René David-Cooper

Notice bibliographique

RevueCambridge University Press eBooks · 2018
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCorporate social responsibilityGreenhouse gasBusinessAviationContext (archaeology)Civil aviationBalance (ability)Social responsibilityEngineeringPublic relationsPolitical science

Résumé

récupéré en direct d'OpenAlex

Corporate Social Responsibility (CSR) is rooted in the idea that corporations must focus on issues beyond the balance sheet. For instance, CSR has had an impact in reducing child labor in developing countries, making extractive industries more responsible to local communities, and reducing the environmental impact of hotels. It is also applicable to the airline industry where it has promoted various types of positive behavior. In a world increasingly concerned with climate change and that sees as problematic the airline industry release of greenhouse gas (GHG) emissions at high altitude, regulators are about to set emissions reduction targets for the airline industry. Given that fuel is the single greatest cost for airlines, and that any reduction in fuel consumed involves a consequential reduction in GHGs emitted, the airline industry is generally eager to reduce GHG emissions. However, several emerging CSR best practices in civil aviation have incentivized the industry to become more environmentally friendly in recent years. In this context, this chapter argues that CSR should encourage airlines to go beyond mere self-interest or regulatory compliance in leading the way to meeting increasingly ambitious GHG reduction targets.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,004
Communication savante0,0050,003
Science ouverte0,0000,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,034
Tête enseignante GPT0,203
Écart entre enseignants0,169 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207