MétaCan
Menu
Retour à la cohorte
Enregistrement W2945712993 · doi:10.5430/ijfr.v10n3p31

Board Diversity and Corporate Sustainability Practices: Evidence on Environmental, Social and Governance (ESG) Reporting

2019· article· en· W2945712993 sur OpenAlexvenueno aff
Aida Maria Ismail, Izrul Haida Mohd Latiff

Notice bibliographique

RevueInternational Journal of Financial Research · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Teknologi MARA
Mots-clésAccountingSustainabilityCorporate governanceGender diversityBusinessDiversity (politics)Sustainability reportingReputationCorporate sustainabilityCorporate social responsibilityPublic relationsFinancePolitical scienceEcology

Résumé

récupéré en direct d'OpenAlex

The emerging awareness on sustainability issues among Malaysian listed companies has increased the voluntary disclosure on environmental, social and governance (ESG) in the annual report. This study examines the relationship of board diversity on firm’s sustainability practices. Board diversity characteristics in terms of gender, age, board composition, board capabilities and board reputation are examined as to their influence towards firm’s sustainability practice. The data includes the ESG Scores of 38 listed companies in Malaysia for the period in 2010–2016 which was obtained from the Thomson Reuters Eikon™ Datastream. The result showed that board diversity traits such as age, board capabilities and board reputation are positively associated with firm’s sustainability practices. In contrast, women director and independent directors are negatively related with firm sustainability practice. Result of this study helps to provide another viewpoint on the roles played by board members, particularly their diversity representations as the determinant for corporate sustainability practice.

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)0,017
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,426
Tête enseignante GPT0,460
Écart entre enseignants0,034 · 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

Citations107
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetGender Diversity and InequalityTravaux en français237 207