MétaCan
Menu
Retour à la cohorte
Enregistrement W2069628424 · doi:10.1080/09669582.2010.498918

The adoption of corporate social responsibility practices in the airline industry

2010· article· en· W2069628424 sur OpenAlexafffund
Allan Cowper-Smith, Danuta de Grosbois

Notice bibliographique

RevueJournal of Sustainable Tourism · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueAviation Industry Analysis and Trends
Établissements canadiensBrock University
Organismes subventionnairesBrock University
Mots-clésCorporate social responsibilityBusinessProsperityWorkforceDiversity (politics)Public relationsMarketingContent analysisPolitical scienceEconomicsSociologyEconomic growth

Résumé

récupéré en direct d'OpenAlex

This paper identifies initiatives related to corporate social responsibility (CSR) in the airline industry and evaluates the overall state of their adoption as reported by members of the three largest airline alliances. Of 41 airlines, only 14 had annual CSR reports publically available in January 2009. Reports were analyzed using a qualitative content analysis approach. Results showed a stronger focus on environmental issues than on the social or economic dimensions of CSR. Of the seven major environmental themes examined, emission reduction programs predominate. Other environmental issues receive much less attention, with no single other initiative implemented by all airlines. Four social and environmental themes were found, including employee wellbeing and engagement, diversity and social equity, community wellbeing and economic prosperity. The data analysis supported the arguments made in the literature that the airlines report CSR initiatives using differing or inconsistent measurements, making evaluation and comparison of their performance and effectiveness difficult. Although a large number of airlines publishing CSR reports discussed their achievement of major goals (reduction of emissions, increasing community involvement or increasing workforce diversity), a much smaller number provided detailed information relating to specific initiatives implemented in order to contribute to these goals. Further, important issues for CSR research are posed in the paper.

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)0,012
score de la tête « metaresearch » (Gemma)0,023
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 enseignants0,012
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,002
Science ouverte0,0010,003
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 Opus0,053
Tête enseignante GPT0,287
Écart entre enseignants0,234 · 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

Citations213
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable TourismMême sujetAviation Industry Analysis and TrendsTravaux en français237 207