Corporate Social Responsibility (CSR) Practices of the Largest Seafood Suppliers in the Wild Capture Fisheries Sector: From Vision to Action
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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