MétaCan
Menu
Retour à la cohorte
Enregistrement W2034892059 · doi:10.4018/jabim.2013010107

Does Stakeholder Perception of Firm’s Corporate Social Responsibility Affect Firm Performance?

2013· article· en· W2034892059 sur OpenAlexaff
Siva Prasad Ravi

Notice bibliographique

RevueInternational Journal of Asian Business and Information Management · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésCorporate social responsibilityBusinessStakeholderCorporationPerceptionRevenueAffect (linguistics)Competitive advantageProfit (economics)MarketingCompetition (biology)Stakeholder theoryPublic relationsIndustrial organizationAccountingMicroeconomicsEconomicsFinancePsychology

Résumé

récupéré en direct d'OpenAlex

In the present-day business landscape characterised by global competition, demanding customers and depleting natural resources, Corporate Social Responsibility (CSR) has become an important strategy for corporations for creating competitive advantage. CSR involves a corporation’s commitment to align performance (revenue growth and profit) motives with fulfillment of social, ethical, community and environmental obligations. Researchers have found a positive correlation between stakeholder perceptions of firm’s CSR performance and financial performance, assuming other factors as constant. This paper, based on analysis of Wal-Mart’s performance from 2001 to 2011, found, seemingly significant negative perceptions of CSR activities of corporations result in lower performance. Once formed, changing negative perceptions is often difficult and the effort involves considerable amount of resources with questionable outcomes. This study has come to the conclusion that being a good ‘Corporate Citizen’ and creating positive stakeholder perceptions is a better strategic approach for firm’s continuing success.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,004
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,028
Tête enseignante GPT0,248
Écart entre enseignants0,220 · 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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Asian Business and Information ManagementMême sujetCorporate Social Responsibility ReportingTravaux en français237 207