MétaCan
Menu
Retour à la cohorte
Enregistrement W2940282775 · doi:10.3390/su11082254

Corporate Social Responsibility (CSR) Practices of the Largest Seafood Suppliers in the Wild Capture Fisheries Sector: From Vision to Action

2019· article· en· W2940282775 sur OpenAlexafffund
Helen Packer, Wilf Swartz, Yoshitaka Ota, Megan Bailey

Notice bibliographique

RevueSustainability · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensUniversity of British ColumbiaDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGran Sasso Science Institute
Mots-clésCorporate social responsibilityBusinessSustainabilityOrder (exchange)RevenueAccountabilitySupply chainMarketingPublic relationsAccountingFinance

Résumé

récupéré en direct d'OpenAlex

Corporate social responsibility (CSR) in the seafood industry is on the rise. Because of increasing public awareness and non-governmental organization (NGO) campaigns, seafood buyers have made various commitments to improve the sustainability of their wild seafood sourcing. As part of this effort, seafood suppliers have developed their own CSR programs in order to meet buyers’ sourcing requirements. However, the CSR of these companies, many of which are mid-supply chain or vertically integrated, remain largely invisible and unstudied. In order to better understand how mid-chain seafood suppliers engage in sustainability efforts, we reviewed the CSR practices of the 25 largest seafood companies globally (by revenue) that deal with wild seafood products. Based on literature, existing frameworks, and initial data analysis, we developed a structured framework to identify and categorize practices based on the issues addressed and the approach used. We found companies implement CSR to address four key areas, and through various activities that fit into five categories: Power; Practices; Partnerships; Public policy; and Philanthropy. One of the biggest gaps identified in this study is the lack of accountability mechanisms, as well as robust and consistent accounting of impacts. Indeed, many companies express commitments without clear goals and structures in place to ensure implementation. Therefore, improvements in seafood company performance on social and environmental aspects may not only require creating a better business case for CSR, but also require ensuring that companies have the necessary processes and structures in place through public oversights and regulations.

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)0,011
score de la tête « metaresearch » (Gemma)0,015
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,006
Études des sciences et des technologies0,0030,004
Communication savante0,0050,005
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 Opus0,029
Tête enseignante GPT0,279
Écart entre enseignants0,250 · 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

Citations43
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207