MétaCan
Menu
Retour à la cohorte
Enregistrement W4296110219 · doi:10.5339/avi.2022.7

Business ethics in the era of COVID 19: How to protect jobs and employment rights through innovation

2022· article· en· W4296110219 sur OpenAlexaff
Chokri Kooli, Melanie lock Son, Imene Beloufa

Notice bibliographique

RevueAvicenna · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensUniversité du Québec en OutaouaisUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésBusiness ethicsObligationMoral obligationBusinessPandemicCoronavirus disease 2019 (COVID-19)Public relationsEconomic growthPolitical scienceEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

The pandemic situation generated by the novel coronavirus virus (COVID-19) created several moral and economic dilemmas. While trying to save many local and world economies, entrepreneurs, leaders, and policymakers faced the challenges of managing the resultant economic and financial disruptions and risks coupled with the moral obligation to observe business ethics. This research is based on a documental collection, revision, and analysis of relevant and emerging literature to catch the best practices and experiences adopted by various governments and businesses, especially in western countries, to protect the jobs and employment rights of workers. Among other things, this study urges social policymakers to adopt innovative mechanisms and programs to not only protect the rights of employees but also help maintain jobs during pandemic situations and economic crises The research suggests that adhering to business ethics will enhance the use of technology and boost the sense of innovation and creativity of both employees and their organizations. The importance of the collaboration between public Administrators, policymakers, entrepreneurs, and employees to maintain the fundamentals of business ethics and protect employees’ rights is adjudged to be critical to a speedy recovery from the losses and disruptions caused by the pandemic.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,657
Score d'incertitude au seuil0,837

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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 Opus0,109
Tête enseignante GPT0,314
Écart entre enseignants0,206 · 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'étudeThéorique ou conceptuel
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

Citations19
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAvicennaMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207