Climate Action Research: What’s Holding Us Back?
Notice bibliographique
Résumé
Climate change is the grand challenge of our time (Sevil, Muñoz, & Godoy-Faúndez, 2022) yet, it has been observed that there is a dearth of management research on this issue (Nyberg & Wright, 2022). In this panel symposium, we go further than providing a simple ‘call to arms’ in respect of climate action research. We acknowledge that such calls are important in that they highlight the imperative to conduct research on this important theme, however they do not provide us with an explanation of why management researchers are not applying their research experience and expertise to it. Our symposium centers on a panel discussion where leading management researchers drawn from Europe, North America, and the Asia-Pacific, all of whom have engaged in climate action research, will debate why it is that management researchers are generally failing to engage with this critically important challenge. In doing so, they will address two fundamental questions: (i) ‘What’s holding us back from climate action research?’ (ii) ‘What key choices do management researchers have to make when deciding whether to undertake research on climate action?’ The outcomes of this discussion will, we believe, lower perceived barriers to research on climate risk among management scholars, guide future debate on the issue, and lead to research that positively contributes to climate action.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,148 | 0,193 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,032 | 0,065 |
| Communication savante | 0,056 | 0,076 |
| Science ouverte | 0,007 | 0,015 |
| Intégrité de la recherche | 0,051 | 0,065 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».