MétaCan
Menu
Retour à la cohorte
Enregistrement W4295102547 · doi:10.1080/15378020.2022.2121587

Managerial decision-making during the COVID-19 pandemic and its impact on the sustainability initiatives of Canadian foodservice businesses

2022· article· en· W4295102547 sur OpenAlexafffundabout
Emily Robinson, Bruce McAdams, Simon Somogyi, Kimberly Thomas-Francois

Notice bibliographique

RevueJournal of Foodservice Business Research · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensUniversity of Guelph
Organismes subventionnairesUniversity of Guelph
Mots-clésSustainabilityPandemicBusinessGovernment (linguistics)Coronavirus disease 2019 (COVID-19)MarketingEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

COVID-19 had a major impact on the Canadian foodservice sector. Like most countries, the pandemic in Canada resulted in various periods of lockdown. The pandemic placed great strain on many establishments and had a major impact on the pre-COVID-19 sustainability initiatives of the Canadian foodservice sector. The purpose of this study was to observe managerial decision-making in Canadian foodservice businesses during lockdown and reopening, focusing on the impact of those decisions on pre-COVID-19 sustainability initiatives. We linked the outcomes to the theory of decision-making by objection during times of crises. This study used semi-structured interviews over a two-month period in mid-2020 with three Canadian foodservice establishments. Our results showed that decision-making impacted the environmental sustainability initiatives in foodservice establishments by imposing a throwaway culture for food and personal protective equipment. The pandemic also impacted social and economic initiatives, created higher operation costs, a complexity of government intervention and the managing of mental health. This study showed that the COVID-19 pandemic provided an opportunity to develop theories of managerial decisions during crises and disasters that are natural, versus human-based crises, with pandemics situated between those two concepts. Future research could investigate the impact of decision-making on other initiatives within foodservice businesses.

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)0,010
score de la tête « metaresearch » (Gemma)0,015
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
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 enseignants0,129
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,127
Tête enseignante GPT0,390
Écart entre enseignants0,263 · 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.

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

Citations4
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Foodservice Business ResearchMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207