MétaCan
Menu
Retour à la cohorte
Enregistrement W4385215685 · doi:10.5465/amproc.2023.10658symposium

Climate Change, Multinationals, and the Energy Transition: Insights into this Global Grand Challenge

2023· article· en· W4385215685 sur OpenAlexaff
Ivana Milošević, Birgitte Grøgaard, Erin Bass, Alain Verbeke, Maoliang Bu, Valentina Marano, Rob van Tulder, Michael Putra

Notice bibliographique

RevueAcademy of Management Proceedings · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueGlobal Energy and Sustainability Research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésGrand ChallengesClimate changeTransition (genetics)Energy transitionEnergy (signal processing)Political scienceGeologyPhysicsMedicineChemistryOceanography

Résumé

récupéré en direct d'OpenAlex

Firms and governments across the world face pressure to address climate change concerns. The International Energy Agency’s latest report suggests that global economic recovery after the Covid-19 pandemic, the war in Ukraine and the associated energy concerns in a fragile geopolitical context, and increased regulations to curb climate change have heightened the central role of energy as an important issue in its own right. Moreover, it is apparent that the projected energy demands are unsustainable for the global climate goals, which makes the shift towards renewable energy sources and low carbon solutions one of the most important global grand challenges of our time. Energy producers—from large multinational enterprises to clean tech startups—are at the center of this energy transition, but must make the transition from fossil fuels to renewables in the context of changing regulations, geopolitical tensions, and increasing energy demand. This panel symposium brings together leading scholars on this topic to share a lively discussion on management theory and practice related to the energy transition. The purpose of this panel symposium is to encourage diverse perspectives on the energy transition and stimulate research on this global grand challenge.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0060,010
Communication savante0,0120,016
Science ouverte0,0010,006
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,025
Tête enseignante GPT0,287
Écart entre enseignants0,261 · 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'étudeQualitatif
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetGlobal Energy and Sustainability ResearchTravaux en français237 207