VOLUNTARY ACTION OF A FIRM ON ENVIROMENT MANAGEMENT: AN EMPIRICAL ASSESSMENT ON SRI LANKAN FOOD PROCESSING FIRMS’ RESPONSE TO THE PRIVATE AND REGULATORY INCENTIVES
Notice bibliographique
Résumé
The effect of a set of private/market (i.e. financial implications, internal efficiency, market response) and public/non-market (i.e. government regulation, judiciary/legal system) incentives for a firm to act voluntarily on environmental quality is examined. It uses the levels of adoption of five solid waste management practices [SWMPs], namely: (1) 3R system; (2) Composting; (3) Good manufacturing practices; (4) Biogas unit, and (5) ISO 14000 by food processing sector in Sri Lanka in response to the prevalence of each incentive at the firm as the case. The data collected from 325 firms through in-depth interviews and site inspections and supported by a validated structured questionnaire were analyzed using the principles of Structural Equation Modeling. The “Analysis of Moment Structures” (AMOS) software was used to establish the relationships between the levels of adoption of SWMPs and the strength of each incentive. The results show that firms‟ response to environment is relatively low, i.e. 49.2% did not adopt a single practice, while only 28%, 12%, 7.4%, 3.1% and 0.3%, respectively, have adopted 1, 2, 3, 4 or all practices. Firms tend to adopt a higher number of SWMPs as the relative strength of an each incentive perceived by the decision maker of firm gets increases. Firms put a higher weight on the impact on regulation and legal system than the private incentives and the firm size has a substantial impact on its response to the environment. The results highlight the importance of bringing the current public regulatory regimes in developing countries like Sri Lanka towards co-regulation, which is practiced by developed countries like Australia and Canada to facilitate businesses to come up with own solutions for environmental and food quality, as the outcome of this analysis points out that firms‟ compliance to the recommended SWMP was not triggered satisfactorily by the private/voluntary action.
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 | 0,008 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».