MétaCan
Menu
Retour à la cohorte
Enregistrement W1515175085 · doi:10.1002/bse.1805

Recipes for Successful Sustainability: Empirical Organizational Configurations for Strong Corporate Environmental Performance

2013· article· en· W1515175085 sur OpenAlexaff
Kent Walker, Na Ni, Bruno Dyck

Notice bibliographique

RevueBusiness Strategy and the Environment · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensUniversity of ManitobaUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésEquifinalitySustainabilityVariety (cybernetics)Corporate sustainabilityBusinessOrganizational structureProcess managementKnowledge managementMarketingComputer scienceEconomicsManagementEcology

Résumé

récupéré en direct d'OpenAlex

Abstract We examine 45 existing case studies of firms with strong corporate environmental performance (CEP) to empirically identify four organizational configurations for successful sustainability. These four configurations represent different combinations of variables describing a firm's external environment, organizational structure, and its strategy‐related activities. More specifically, these configurations vary in having a benign or challenging external environment, a mechanistic or organic structure, a low‐cost or differentiation strategy, hands‐on or hands‐off participation by the top management team, high or low consideration given to stakeholders, and a short‐ or long‐term time orientation. Taken together the four organizational configurations introduce an understanding of equifinality for achieving CEP. In other words, given an adequate variety of ingredients, there are multiple recipes for successful sustainability. Implications for scholars, practitioners and policy‐makers and other stakeholders are discussed. Copyright © 2013 John Wiley & Sons, Ltd and ERP Environment.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,006
Communication savante0,0050,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,019
Tête enseignante GPT0,215
Écart entre enseignants0,197 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations74
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness Strategy and the EnvironmentMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207