Building urban resilience through sustainability-oriented small- and medium-sized enterprises
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The unfolding COVID-19 pandemic, and the unprecedented social and economic costs it has inflicted, provide an important opportunity to scrutinize the interplay between the resilience of small and medium-sized enterprises (SMEs) and the resilience of the communities they are embedded in. In this article, we articulate the specific ways that SMEs play a crucial, and underappreciated role in building resilience to human and natural hazards, and provide new opportunities to accelerate the adoption of sustainability practices through the configuration of 'enabling ecosystems' geared towards promoting sustainability in the private sector. We argue that capacity-building and experimentation are not only required within companies, but also throughout this emerging supportive ecosystem of policies, resources (i.e. finance, materials, skills), governance actors, and intermediaries to adequately focus investment, technical capabilities and innovation. Ultimately, we call for a new transdisciplinary action research agenda that centers on SMEs as pivotal actors and amplifiers of community resilience; while recognizing that these firms are themselves in need of support to secure their own capacity to respond to, and transform in light of, crises. This research program calls for recognizing and applying the lessons that the pandemic presents to the urgent need for accelerated climate action. This will be enabled by developing more targeted approaches to collaborative capacity-building activities in SMEs that feed into experimentation and allow for the accelerated adoption of deliberate and strategic resilient business practices and models.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle