MétaCan
Menu
Retour à la cohorte
Enregistrement W3021215367 · doi:10.1002/bse.2520

Measuring sustainability risks: A rational myth?

2020· article· en· W3021215367 sur OpenAlexaff
Olivier Boiral, David Talbot, Marie‐Christine Brotherton

Notice bibliographique

RevueBusiness Strategy and the Environment · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensÉcole Nationale d'Administration PubliqueUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésSustainabilityMythologyRisk analysis (engineering)EconomicsBusinessPhilosophyTheologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract The objective of this paper is to investigate the rigorousness and reliability of sustainability rating agencies' evaluation of corporate sustainability risks. Using grounded theory, this study conducts a qualitative analysis of 32 semi‐structured interviews with practitioners involved in this activity and shows the trade‐offs and rational myths underlying this evaluation process. The image of rationality and rigorousness projected by sustainability risk measurements is mostly intended to address the increasing institutional pressures for reliable and comparable information, particularly from institutional investors and socially responsible investment decision makers. Nevertheless, risk analysts face serious challenges due to the lack of reliable information, the unpredictability of sustainability risks, the methodological issues related to the measurement process, and the complexity and context‐dependency of risk assessment. These challenges call into question the official and optimistic rhetoric of rating agencies. This study contributes to the literature on sustainability risks and rational myths in organizations. Managerial implications and avenues for future research are also discussed.

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)0,205
score de la tête « metaresearch » (Gemma)0,316
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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: aucune
Score de désaccord entre enseignants0,205
Score d'incertitude au seuil0,980

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2050,316
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,003
Études des sciences et des technologies0,0040,110
Communication savante0,0190,025
Science ouverte0,0040,010
Intégrité de la recherche0,0050,011
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,061
Tête enseignante GPT0,235
Écart entre enseignants0,174 · 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'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

Citations59
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness Strategy and the EnvironmentMême sujetCorporate Social Responsibility ReportingTravaux en français237 207