MétaCan
Menu
Retour à la cohorte
Enregistrement W2974403494 · doi:10.3233/hsm-190523

Why is it difficult to be virtuous in business ethics?

2019· article· en· W2974403494 sur OpenAlexaff
Benoît Cherré, Zouhair Laarraf, Jonathan Peterson

Notice bibliographique

RevueHuman Systems Management · 2019
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésVirtue ethicsVirtueEpistemologyContext (archaeology)DilemmaSocial psychologyNormative ethicsPsychologySociologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

This paper presents a theoretical analysis based of virtue ethics. We examine the individual internal predispositions related to non-virtuous behavior in the context of an ethical dilemma. For Aristotle, the virtuous state of being requires certain dispositions, but the difficult context of a “genuine dilemma” can generate interference and obstacles to achieving a virtuous state. The genuine dilemma is a symptomatic situation that disrupts our ethical identity by the potential biases that affect our personality traits and moral acts. These disturbances cause a phenomenon described by philosophers as “akrasia”. We propose that this “weakness of will” influences the ethical decision-making process, thereby leading to non-virtuous acts. Within the empirical literature, we identify three types of disturbances that feed akrasia: bounded ethicality, denial, and moral cowardice. These ethical biases disrupt one’s moral conscience by moving the individual away from the pursuit of virtue. Understanding these ethical errors contributes to enhancing ethical decision-making models, especially in terms of examining the failure of one’s will to act according to one’s values. We propose a conceptual model that explains non-virtuous attitudes to ethical dilemmas in management.

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)0,008
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,043
Communication savante0,0090,008
Science ouverte0,0010,004
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,334
Tête enseignante GPT0,437
Écart entre enseignants0,103 · 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'étudeThéorique ou conceptuel
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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Systems ManagementMême sujetEthics in Business and EducationTravaux en français237 207