MétaCan
Menu
Retour à la cohorte
Enregistrement W4413734462 · doi:10.1002/bse.70152

The Greening of Industry: Navigating the Nexus of Environmental Policies and Regulations, and Emission Abatement Strategies

2025· article· en· W4413734462 sur OpenAlexaff
Emmanuel Senior Tenakwah, Emmanuel Junior Tenakwah, Michael Odei Erdiaw‐Kwasie, Elias Ikenna Asogwa

Notice bibliographique

RevueBusiness Strategy and the Environment · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensSheridan College
Organismes subventionnairesCharles Darwin University
Mots-clésNexus (standard)GreeningEnvironmental policyBusinessNatural resource economicsEconomicsEnvironmental economicsEnvironmental planningEnvironmental resource managementEnvironmental sciencePolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Despite the prevailing discourses on the importance of environmental policy and regulation on emission control, related theoretical and empirical developments are lacking. Using institutional theory, we propose that environmental policy and regulation contribute to emission control by integrating environmental impact exposure into decision‐making processes. An empirical test of this theoretical framework was conducted using data from the World Bank Enterprise Survey on circular practices, which collected data from 18,734 firms. An analysis of emission control at the firm level indicates that environmental policy and regulation significantly influence emission control, and the degree of environmental exposure fully mediates their effects. This study presents a plausible theoretical account and empirical validation of a mechanism that enhances emission control strategies and decisions through environmental policy and regulation. It means that environmental policy and regulation do not solely affect the likelihood of carbon emissions from firms, but also the relationship is directly and indirectly influenced by the firm's environmental impact exposure.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0040,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,221
Écart entre enseignants0,214 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness Strategy and the EnvironmentMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207