MétaCan
Menu
Retour à la cohorte
Enregistrement W2153068218 · doi:10.5465/amp.2008.35590353

Does It Pay to Be Green? A Systematic Overview

2008· article· en· W2153068218 sur OpenAlexaff
A. Ştefan, Lanoie Paul

Notice bibliographique

RevueAcademy of Management Perspectives · 2008
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésRevenueBusinessPorter hypothesisIndustrial organizationEmpirical evidenceEconomicsControl (management)Environmental regulationEnvironmental economicsFinancePublic economicsManagement

Résumé

récupéré en direct d'OpenAlex

Executive Overview The conventional wisdom concerning environmental protection is that it comes at an additional cost imposed on firms, which may erode their global competitiveness. However, during the last decade, this paradigm has been challenged by a number of analysts (e.g., Porter & van der Linde, 1995), who have argued basically that improving a company' environmental performance can lead to better economic or financial performance, and not necessarily to an increase in cost. The aim of this paper is to review empirical evidence of improvement in both environmental and economic or financial performance. We systematically analyze the mechanism involved in each of the following channels of potential revenue increase or cost reduction owing to better environmental practices: (a) better access to certain markets; (b) differentiating products; (c) selling pollution-control technology; (d) risk management and relations with external stakeholders; (e) cost of material, energy, and services; (f) cost of capital; and (g) cost of labor. In each case, we try to identify the circumstances most likely to lead to a “win-win” situation, i.e., better environmental and financial performance. We also provide a diagnostic of the type of firms most likely to reap such benefits.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0130,013
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 GPT0,261
Écart entre enseignants0,233 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations1 697
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management PerspectivesMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207