MétaCan
Menu
Retour à la cohorte
Enregistrement W2893971662 · doi:10.1111/basr.12150

A Corporate Social Responsibility Analysis of Payday Lending

2018· article· en· W2893971662 sur OpenAlexaff
Mark S. Schwartz, Chris Robinson

Notice bibliographique

RevueBusiness and Society Review · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésLoanSocial responsibilityGovernment (linguistics)BusinessCorporate social responsibilityPosition (finance)ExploitPerspective (graphical)Product (mathematics)Face (sociological concept)AccountingFinancePublic relationsSociology

Résumé

récupéré en direct d'OpenAlex

Abstract In this article, we use a corporate social responsibility (CSR) framework to analyze the payday loan industry by critically examining its practices from an economic, legal, and ethical perspective. Payday loans are essentially a very high cost, unsecured, short‐term personal loan. Given the inherent nature of the product being offered, the industry appears on the face of it to be in a position to potentially exploit vulnerable consumers in pursuit of profits. With this concern in mind, our analysis investigates the following three issues: Can the payday loan industry currently be considered to be acting in a socially responsible manner? If the industry cannot be considered to be socially responsible, should it be further regulated? If the industry should be further regulated, how should it be regulated? To address these issues, we first provide a brief historical overview of payday loans. Second, we describe the important characteristics of payday loans and how the industry operates. Third, we draw on various sources of evidence to demonstrate that the payday loan industry, while fulfilling its basic economic obligations, falls outside of both the legal and ethical domains of the Three Domain Model of CSR. Based on our analysis, our conclusion is that the payday loan industry requires additional government legal regulation, particularly with respect to allowable fees, and we conclude that there is a strong ethical case for banning payday loans altogether.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,354
Score d'incertitude au seuil0,830

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,006
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,067
Tête enseignante GPT0,304
Écart entre enseignants0,238 · 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 tête enseignante, 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

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness and Society ReviewMême sujetCorporate Social Responsibility ReportingTravaux en français237 207