Promoting Pollution Prevention in Small Businesses: Costs and Benefits of the “Enviroclub” Initiative
Bibliographic record
Abstract
L'initiative des Enviroclubs a été développée par trois agences fédérales - Développement économique Canada pour les régions du Québec, Environnement Canada et le Conseil national de recherche du Canada - et lancée en 2001 pour aider les petites et moyennes entreprises (PMEs) à améliorer leur profitabilité et compétitivité via une meilleure performance environnementale. Un Enviroclub consiste en un groupe de 10 à 15 PMEs impliquées dans des séances de formation en gestion de l'environnement et engagées à mettre en oeuvre au moins un projet rentable de prévention de la pollution. L'objectif de cet article est de fournir une analyse coûts-bénéfices de cette initiative originale de façon à éclairer les décideurs publics quant au bien-fondé de tels programmes. Un des plus importants bénéfices sociaux de cette initiative est de réduire les émissions de plusieurs types de polluants, ce qui fait que l'un des défis principaux de cette recherche est de trouver la valeur monétaire de ces améliorations environnementales. Pour ce faire, nous ferons du "transfert de valeurs environnementales" pour obtenir des valeurs qui viennent d'études existantes pertinentes. Nous menons notre analyse à trois niveaux. Premièrement, nous considérons les coûts et les bénéfices pour l'ensemble de la société, ensuite pour les firmes qui participent aux programmes et enfin, pour les instances gouvernementales concernées. Nous concluons que, peu importe la perspective choisie, l'initiative des Enviroclubs s'avère rentable.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 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".