Notice bibliographique
Résumé
The spread and development of infectious illnesses are frequently linked to environmental degradation caused by humans, which modifies biodiversity and, in turn, host-pathogen dynamics. Utilizing natural resources wisely, disposing of trash properly, and safeguarding the environment are crucial steps toward promoting the health and welfare of people, pets, plants, and the ecosystem. These actions can also stop the spread of pathogens. A recent example is the COVID-19. Global supply chain interruptions brought on by the COVID-19 epidemic, the Russo-Ukrainian war, and the Israel-Palestine conflict have created major economic disturbances in recent times, making stock markets all across the world very sensitive and volatile. Apart from financial success, investors and fund companies are increasingly taking environmental, social, and governance (ESG) performance into account when developing a sustainable finance strategy. This indicates that stakeholders expect the businesses they put their money into to be sustainable, socially conscious, and successful. A Royal Bank of Canada market survey indicates that a growing number of investors think that capitalizing on businesses that perform well in terms of ESG can lower investment risks and boost the return on investment. The unlawful sewage release by one of Xiaomi's suppliers in 2018 violated regulations pertaining to environmental protection, which had an impact on Xiaomi's intention to list on the Hong Kong stock exchange [1]. This shows how a company's prosperity does not ensure its long-term viability as a corporation, as environmental and social problems can have an impact. Consequently, more and more corporate choices are taking ESG factors into account. Nowadays, listed firms are keen to enhance their own ESG capacities by adhering to established ESG assessment frameworks to consistently cultivate a sustainable business image within the industry.
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 | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,006 |
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 ».