Putting B Corporations Under the Microscope: Exemplars and Future Directions
Notice bibliographique
Résumé
The B Corporation movement completed a decade in 2018. Scholarly interest in B Corporations and Benefit Corporations (hereafter B Corps) has kept pace with the proliferation of certified B Corps across the globe. Between 2009-18, there were 191 papers and book chapters written on B Corps (Gehman, Grimes, & Cao, forthcoming). This surge can be attributed to the fertile context that the B Corp movement provides for research on sustainable business. At the same time, the context presents challenges including the limitations of the certification data. In this symposium, we bring together researchers who have been studying B Corps. The symposium’s objective is twofold. First, we will showcase how the B Corp context provides important research opportunities. We will also provide tips on ways to circumvent its limitations enroute to crafting novel contributions within established academic fields. The papers in this symposium illustrate breadth of the B Corp phenomenon, exploring the antecedents, processes, and outcomes of B Corp certification and/or incorporation. Second, we will discuss the important research questions that can be asked, and potential data sources and data collection strategies amenable to answering these questions. Legislating a Stakeholder Value Paradigm: A Study of the Passage of Benefit Corporation Law Presenter: Kunyuan Qiao; Cornell U. Presenter: Shiyang Fan; U. of Electronic Science and Technology of China Renewing Vows: Explaining Bolstering Commitment to Doing Good Presenter: Garima Sharma; U. of New Mexico Presenter: Alim J. Beveridge; The U. of Nottingham, China Presenter: Joel Gehman; U. of Alberta Impact Investment, Nascent B Corps, and B Analytics Presenter: Liz Tracy; North Carolina State U. Presenter: Jessica Thomas; North Carolina State U. Presenter: Ryan Honeyman; LIFT Economy Presenter: Jeffrey M. Pollack; NC State U. Selling Sustainability Practices: Theory of Authenticity Presenter: Matthew Grimes; Cambridge Judge Business School Presenter: Joel Gehman; U. of Alberta Cultural Making through the B Corp Label: Marketing the “Force for Good” Presenter: Emily Medley; Doctoral Student, U. of Tennessee, Knoxville Presenter: Rosanna Garcia; U. of Denver
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,014 | 0,032 |
| Communication savante | 0,017 | 0,026 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».