MétaCan
Menu
Retour à la cohorte
Enregistrement W3041970894 · doi:10.1177/0007650320940241

Collaborative Sustainable Business Models: Understanding Organizations Partnering for Community Sustainability

2020· article· en· W3041970894 sur OpenAlexafffund
Eduardo Ordonez‐Ponce, Amelia Clarke, Barry A. Colbert

Notice bibliographique

RevueBusiness & Society · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensUniversity of WaterlooWilfrid Laurier UniversityAthabasca University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaMitacs
Mots-clésSustainabilityGeneral partnershipValue (mathematics)BusinessSustainable ValueKnowledge managementSustainability organizationsSustainable businessPublic relationsPolitical science

Résumé

récupéré en direct d'OpenAlex

Cross-sector social partnerships (CSSPs) are relevant units of analysis for understanding sustainable business models (SBMs). This research examines how organizations value their motivations to participate in large sustainability-focused partnerships, how they perceive the value captured, and their structures implemented to address sustainability partnerships. Two hundred and twenty-four organizations partnering within four large sustainability CSSPs were surveyed using an augmented resource-based view (RBV) theoretical framework. Results show that partners were motivated by and captured value related to sustainability-, organizational-, and human-oriented resources, and that organizations prefer more informal than formal structural elements to implement their partnerships’ sustainability strategies. Contributions to SBM and CSSP fields are revealed. SBM thinking is a provocation toward seeking integrated sustainable value creation, helping show the value of large CSSPs. Conversely, by conceiving of large, pluralistic CSSPs as “collaborative SBMs,” we extend the idea of the “business model” to the societal level, exploring how value is captured in partnership.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,683
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,008
Études des sciences et des technologies0,0030,001
Communication savante0,0010,004
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,038
Tête enseignante GPT0,246
Écart entre enseignants0,208 · 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 tête enseignante, 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

Citations74
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBusiness & SocietyMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207