MétaCan
Menu
Retour à la cohorte
Enregistrement W2964043874 · doi:10.1108/sampj-01-2019-0006

The presence of citizen science in sustainability reporting

2019· article· en· W2964043874 sur OpenAlexaff
Edward Millar, Cory Searcy

Notice bibliographique

RevueSustainability Accounting Management and Policy Journal · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésSustainabilityBusinessCorporate social responsibilitySustainability scienceSustainability organizationsPublic relationsSocial responsibilitySustainability reportingStewardship (theology)OriginalityContext (archaeology)Social sustainabilitySustainable developmentPolitical scienceQualitative researchSociology

Résumé

récupéré en direct d'OpenAlex

Purpose Ongoing environmental threats have intensified the need for firms to take big leaps forward to operate in a manner that is both ecologically sustainable and socially responsible. This paper aims to assess the degree to which firms are adopting citizen science as a tool to achieve sustainability and social responsibility targets. Design/methodology/approach This study applies a qualitative content analysis approach to assess the current presence of citizen science in sustainability and social responsibility reports issued by Globescan sustainability leaders and by firms ranked by the Fortune 500 and Fortune Global 500. Findings While the term itself is mostly absent from reports, firms are reporting on a range of activities that could be classified as a form of “citizen science.” Practical implications Citizen science can help firms achieve their corporate sustainability and corporate social responsibility goals and targets. Linking sustainability and social responsibility efforts to this existing framework can help triangulate corporate efforts to engage with stakeholders, collect data about the state of the environment and promote better stewardship of natural resources. Social implications Supporting citizen science can help firms work toward meeting UN Sustainable Development Goals, which have highlighted the importance of collaborative efforts that can engage a broad range of stakeholders in the transition to more sustainable business models. Originality/value This paper is the first to examine citizen science in a corporate sustainability and social responsibility context. The findings present information to support improvements to the development of locally relevant science-based indicators; real-time monitoring of natural resources and supply chain sustainability; and participatory forums for stakeholders including suppliers, end users and the broader community.

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)0,102
score de la tête « metaresearch » (Gemma)0,199
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
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 enseignants0,998
Score d'incertitude au seuil0,537

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1020,199
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,007
Études des sciences et des technologies0,0080,024
Communication savante0,0150,016
Science ouverte0,0020,011
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,011
Tête enseignante GPT0,293
Écart entre enseignants0,282 · 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.

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

Citations31
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainability Accounting Management and Policy JournalMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207