MétaCan
Menu
Retour à la cohorte
Enregistrement W7132387701

Ant Forest: Starting from Environmental Protection

2021· other· en· W7132387701 sur OpenAlexaff
Meng Rui, Qiong Zhu

Notice bibliographique

RevueCEIBS Institutional Repository · 2021
Typeother
Langueen
Domaine
Thématique
Établissements canadiensCentre Casa
Organismes subventionnairesnon disponible
Mots-clésIncentiveCorporationValue (mathematics)ANTPaymentSustainable developmentProduct (mathematics)Sustainable business
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This case expounds on the operating model and achievements of Ant Forest. Ant Forest not only heralded a new model for protecting the environment but also generated unique business value for payments app Alipay and its parent company Ant Financial. Ant Forest is a classic example of how a business can create economic value by delivering social value. In just over three years of operations, Ant Forest chalked up two distinctive achievements: First, it functioned as a green initiative and public benefit platform accessible to any individual, company, public welfare organization, and public benefit corporation (PBC). It offered tangible incentives (planting new trees) to reward low-carbon lifestyles, creating a mutual incentive closed-loop system. Second, it encouraged users to use Alipay by rewarding them with green energy points. Therefore, it delivered a social networking function, a historic key competitive weakness of Alipay, helping to boost the app's usage frequency and user stickiness. It also enabled the creation of personal carbon accounts, a key step in the implementation of Ant Financial's green finance strategy. However, Ant Forest still relied primarily on investments from Ant Financial to survive until early 2020. Zu Wang, Ant Forest's product manager, was keen to overcome this dependence. So, how could Ant Forest become a self-sufficient entity, and how could it build a sustainable environmental protection platform?

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,573
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,210
Écart entre enseignants0,195 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCEIBS Institutional RepositoryTravaux en français237 207