Influence of sustainability reports on social and environmental issues: bibliometric analysis and the word cloud approach
Notice bibliographique
Résumé
The aim of the present study is to analyze how corporate sustainability reports address socio-environmental issues and business development through bibliometric analysis. The search led to 53 articles indexed in the ScienceDirect database between 2012 and 2017. A bibliometric analysis was applied to sustainability reports and to several topics, namely: “sustainability report” (SR) and “corporate sustainability” (CS), triple bottom line (TBL), eco-innovation in business (ECO), and “global reporting initiative” (GRI). The word cloud approach was applied to each keyword in the quantitative analysis. Annual publication frequency was applied to identify the year accounting for the largest number of publications. The target of the descriptive analysis applied to the sample was determined; it consists in metrically determining the frequency of each variable. The inferential analysis compared the means recorded for the subsets of the sample; it is a technique commonly used to investigate data. Friedman’s test was used to compare the behavior of the research groups. The keywords sustainability, business, reporting, environment, social, and performance were found. These words appeared in most of the analyzed articles; they represented the conceptual core of each topic involved in the “sustainability report” (SR). Based on the selected articles, companies surveyed over the years have incorporated sustainability concepts into their strategic planning to ensure the satisfaction and needs of future generations. The disclosure of information available in sustainability reports has become a marketing instrument that may clearly provide evidence of business activities or inactivity.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,011 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».