MétaCan
Menu
Retour à la cohorte
Enregistrement W2800602340 · doi:10.1111/1467-8551.12302

Insurance and Climate Change Risk Management: Rescaling to Look Beyond the Horizon

2018· article· en· W2800602340 sur OpenAlexaff
Jason Thistlethwaite, Michael O. Wood

Notice bibliographique

RevueBritish Journal of Management · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInsurance and Financial Risk Management
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésClimate changeRisk managementScale (ratio)Insurance industryBusinessClimate riskHierarchyActuarial scienceEnvironmental resource managementScholarshipEconomicsFinanceGeographyEconomic growthEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Climate change represents a significant financial risk to the insurance industry, but research has yet to assess whether the industry is managing this risk. Through the application of scale as a vertically nested hierarchy of relationships, this paper seeks to evaluate whether insurers are ‘rescaling’ risk management practices to accommodate the temporal and spatial uncertainty associated with climate change. This framework is applied to a content analysis of 178 (183) firm responses to the 2012 (2015) U.S. National Association of Insurance Commissioners Climate Risk Disclosure Survey to detect evidence of rescaling through climate change risk management (CCRM). The results reveal that the majority of companies do not integrate climate change into their risk management practices, but reinsurers are rescaling in a greater proportion than primary insurers. This finding confirms that a nested spatial and temporal scale in the insurance industry creates resistance to CCRM. The use of scale contributes to emerging scholarship on organizations and climate change by offering a framework for measuring organizational responses and justifying a research agenda on rescaling strategies as a means of risk management.

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)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,003
Communication savante0,0030,002
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,017
Tête enseignante GPT0,214
Écart entre enseignants0,197 · 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

Citations49
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of ManagementMême sujetInsurance and Financial Risk ManagementTravaux en français237 207