MétaCan
Menu
Retour à la cohorte
Enregistrement W2787296496 · doi:10.1007/s10551-018-3802-9

Business’ Environmental Obligations and Reasoned Public Discourse: A Kantian Foundation for Analysis

2018· article· en· W2787296496 sur OpenAlexaff
Richard M. Robinson, Nina Shah

Notice bibliographique

RevueJournal of Business Ethics · 2018
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensPositive Living Society of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBusiness ethicsRationalityCategorical imperativeSociologyEpistemologyContext (archaeology)ConsequentialismImperfectFoundation (evidence)DutyHumanityEnvironmental ethicsMoralityPolitical sciencePublic relationsLawPhilosophyLinguistics

Résumé

récupéré en direct d'OpenAlex

The Kantian categorical imperative process of rational reflection and reasoned social discourse is theoretically capable of forming the moral environmental maxims applicable to business. This article argues that rational environmental discourse demands that business has an imperfect duty to develop relevant unbiased information, and perhaps to disseminate this information through participation in business-public coalitions. For the environmental problem, this “rationality” particularly concerns (i) our obligations toward future generations and distant people while recognizing that they cannot participate in current discourse, and (ii) the rules for gathering and assessing the evidence that should govern our environmental preservations and enhancements. Both these concerns demand certain scientific information requirements, as well as logical decision criteria that are perceived as stable across both overlapping generations, and affected peoples (as argued by Rawls in a different context). The criteria for Rawls’ “considered moral judgments” are shown to apply to resolutions of these business-related ethical conundrums. In a way similar to Kant’s anthropological examinations of humanity’s antisocial behaviors, this article also examines various biases that inhibit this social reasoning.

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)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0050,048
Communication savante0,0120,016
Science ouverte0,0020,005
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,383
Tête enseignante GPT0,455
Écart entre enseignants0,072 · 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'étudeThéorique ou conceptuel
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

Citations15
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business EthicsMême sujetEthics in Business and EducationTravaux en français237 207