Co-learning partnerships and carbon management in Denmark and Canada
Notice bibliographique
Résumé
Purpose Climate change poses risks to society and the demand for carbon literacy within small and medium-sized enterprises is increasing. Skills and knowledge are required for organizational greenhouse gas accounting and science-based decisions to help businesses reduce transitional risks. At the University of Copenhagen and the University of Northern British Columbia, two carbon management courses have been developed to respond to this growing need. Using an action-based co-learning model, students and business are paired to quantify and report emissions and develop climate plans and communication strategies. Design/methodology/approach This paper draws on surveys of businesses that have partnered with the co-learning model, designed to provide insight on carbon reductions and the impacts of co-learning. Data collected from 12 respondents in Denmark and 19 respondents in Canada allow for cross-institutional and international comparison in a Global North context. Findings Results show that while co-learning for carbon literacy is welcomed, companies identify limitations: time and resources; solution feasibility; governance and reporting structures; and communication methods. Findings reveal a need for extension, both forwards and backwards in time, indicating that the collaborations need to be lengthened and/or intensified. Balancing academic requirements detracts from usability for businesses, and while municipal and national policy and emission targets help generate a general societal understanding of the issue, there is no concrete guidance on how businesses can implement operational changes based on inventory results. Originality/value The research brings new knowledge to the field of transitional climate risks and does so with a focus on both small businesses and universities as important co-learning actors in low-carbon transitions. The comparison across geographies and institutions contributes an international solution perspective to climate change mitigation and adaptation strategies.
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 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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».