Producción más limpia y aprendizaje organizacional
Notice bibliographique
Résumé
La introducción de Producción más Limpia (PML) en micro, pequeña y mediana empresas (Mipymes) ha mostrado ser un desafío, con pocos casos exitosos de transferencia de tecnología. Muchos obstáculos se describieron como barreras en la transferencia de tecnología de los países desarrollados a los países en desarrollo. Ya Jaquier, en 1979, sostenía que la tecnología fallaba porque el proceso de transferencia era incorrecto. Esta investigación se basa en las experiencias del Centro Regional de Producción más Limpia (CRPML) en Cali (Colombia), desarrolladas con la financiación de la autoridad ambiental Corporación Autónoma Regional del Valle del Cauca (CVC), en su largo trabajo de transferencia de tecnologías de PML con Mipymes en el Valle del Cauca. Se propone el modelo 5i CP para transferencia de conocimiento en PML a Mipymes, desarrollado por Vásquez (2014) durante su investigación doctoral. El modelo fue validado en varios casos de estudio, de los cuales se presenta el de una empresa de metalmecánica. La investigación demostró que una cultura organizacional que apoye el aprendizaje es crucial para motivar y desarrollar procesos de interpretación, integración e institucionalización de PML en las empresas. Es esencial entender que la introducción de PML es un proceso de aprendizaje por lo cual se debe asegurar que los proyectos sigan un enfoque basado en aprendizaje organizacional, con el fin de ayudar a que las firmas sean capaces de retener los principios de la PML y sus tecnologías a lo largo del tiempo.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 ».