MétaCan
Menu
Retour à la cohorte
Enregistrement W2053852132 · doi:10.1177/0007650310394427

Measuring Environmental Strategy: Construct Development, Reliability, and Validity

2011· article· en· W2053852132 sur OpenAlexaff
Judith L. Walls, Phillip Phan, Pascual Berrone

Notice bibliographique

RevueBusiness & Society · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésDiscriminant validityConfirmatory factor analysisMeasure (data warehouse)Construct (python library)Construct validityReliability (semiconductor)Exploratory factor analysisResource (disambiguation)Predictive validityComputer scienceConvergent validityValidityNatural resourceKnowledge managementPsychologyPsychometricsStructural equation modelingData miningMachine learningEcologyInternal consistency

Résumé

récupéré en direct d'OpenAlex

Inconsistent results in prior work that link environmental strategy to competitive advantage may be due to the empirical difficulties of marrying the theoretical connection between a firm’s resource base and its environmental strategy. The authors contribute to the field by developing a measure that is congruent with the natural resource—based view, a dominant paradigm in this line of work. This article content analyses company reports and secondary data to develop a measure of environmental strategy grounded in the natural resource—based view. They identify six environmental capabilities that form components of a reliable, multidimensional construct of proactive environmental strategy. They also identify a measure of reactive compliance strategy. They verify reliability of their new measure through exploratory and confirmatory factor analyses, establish convergent and discriminant validity via a multitrait, multimethod matrix and demonstrate superior predictive validity of their measure compared to two others commonly used in the literature. In the conclusion, they discuss implications for research and practice.

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)0,029
score de la tête « metaresearch » (Gemma)0,067
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 enseignants0,029
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,067
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,051
Tête enseignante GPT0,205
Écart entre enseignants0,154 · 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

Citations190
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness & SocietyMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207