Business Continuity and Disaster Risk Management in Business Education: Case of York University
Bibliographic record
Abstract
Mientras que por un lado los niveles de disrupciones en los negocios y los eventos desastrosos son crecientes, por el otro, las campañas locales, nacionales e internacionales han incrementado la consciencia, atención y demanda de las empresas con respecto a la necesidad de la gestión de la continuidad de negocio. En la medida en que más empresas buscan integrar la gestión del riesgo de desastres y de la continuidad de negocio en sus operaciones y procesos de toma de decisiones, la necesidad de dicho conocimiento también ha aumentado. Sin embargo, a pesar de estas necesidades, muchas escuelas de negocios alrededor del mundo no las han identificado, no se han dado cuenta de ellas, ni las han abordado. Si bien hay diferentes modelos para integrar la gestión del riesgo de desastres y de la continuidad de negocio en la educación de negocios, York University ha establecido programas de pregrado y posgrado sobre la gestión de desastres y emergencias en una escuela de negocios para hacer frente a estas crecientes necesidades. A través de esta integración, un número considerable de estudiantes de negocios se matriculan en cursos de gestión del riesgo de desastres y de continuidad de negocio. El conocimiento y las capacidades que los estudiantes adquieren a través de estos cursos, los convierten en actores informados y conocedores para los equipos de gestión de la continuidad de negocio de sus diferentes lugares de trabajo.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".