The resilience of Canadian small- and medium-sized environmental enterprises during COVID-19
Bibliographic record
Abstract
Cette recherche examine la réponse des petites et moyennes entreprises environnementales (PMEE) canadiennes pendant la pandémie de la COVID-19. L'objectif est de comprendre si les PMEE ont maintenu leur approche environnementale pendant la crise de la COVID-19. Avec l’essor du développement durable dans le cadre duquel les entreprises sont invitées à agir en environnement, il est essentiel de comprendre comment les PMEE réagissent aux chocs dans le système socio-économique. Les données du projet PIVOT - un projet de recherche-action visant à comprendre quels types de discours motivent efficacement l'action climatique au sein des PME - ont été utilisées pour effectuer une analyse « avant-et-pendant ». Dix-sept entrevues semi-structurées avec des chefs de PMEE de partout au Canada ont servi de point de référence avant la COVID-19. Puis, 17 entrevues de suivi réalisées jusqu'à quelques mois après le début de la pandémie ont servi de point de données pendant la pandémie. Pour valider les résultats préliminaires, 2 activités de groupe de discussion avec les participants initiaux et de nouveaux participants ont été complétées en avril 2020. Des opportunités de réponses durables en temps de crise ont été identifiées aux niveaux macro, méso et micro de la société. Les PMEE participantes ont plaidé en faveur de changements systémiques durables et ont répondu aux nouveaux besoins sociétaux tout en maintenant leurs pratiques environnementales. Les PMEE ont également utilisé l’intensification de la vague d'achat local pendant la pandémie pour éduquer leurs clients à propos du développement durable. Les résultats de cette étude suggèrent que les PMEE sont résilientes et maintiennent leurs pratiques environnementales même en temps de crise, ce qui remet en question l'idée que les petites entreprises en mode survie se concentrent uniquement sur leurs performances économiques
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".