Bibliographic record
Abstract
Les préoccupations environnementales représentent des enjeux économiques et sociopolitiques auxquels les entreprises peuvent de moins en moins se soustraire sans compromettre leur légitimité, voire leur pérennité. Alors que les enjeux écologiques sont ancrés dans la réalité des phénomènes biophysiques, les réflexions sur la gestion environnementale demeurent centrées surtout sur les apparences plus rassurantes, plus faciles à appréhender et souvent superficielles du « côté jardin » : politiques officielles, discours convenus, systèmes de gestion formels, etc. Cet ouvrage analyse leur « côté cour » à partir d’études de cas dans l’industrie canadienne. Des exemples concrets montrent comment la participation des employés et la mobilisation des savoirs opérationnels contribuent à la prévention de la pollution. Des entretiens à l’intérieur d’usines considérées comme de « grands émetteurs industriels » offrent un « regard interne » éclairant sur la prise en compte réelle des questions environnementales dans les entreprises. L’ouvrage montre également la complexité de ces enjeux et la façon de réduire de façon substantielle les conséquences environnementales sans nécessairement recourir à des solutions technologiques coûteuses. L’ouvrage s’adresse autant aux praticiens qu’aux universitaires ou à ceux qui souhaitent mieux comprendre comment les organisations peuvent intégrer les préoccupations environnementales dans leur gestion quotidienne.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.019 |
| Scholarly communication | 0.011 | 0.006 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.033 | 0.004 |
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".