MétaCan
Menu
Retour à la cohorte
Enregistrement W3045539247 · doi:10.5465/ambpp.2020.18042symposium

How Do We Do Good While Doing Well? Studying the Consequences of Markets in Tackling Social Problems

2020· article· en· W3045539247 sur OpenAlexaffabout
Diana Jue‐Rajasingh, Emily Barman, Laura Doering, Aneel Karnani, Tyler Wry

Notice bibliographique

RevueAcademy of Management Proceedings · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésScholarshipPovertyInterpersonal communicationPublic relationsPolitical scienceSociologyEconomic growthSocial scienceEconomics

Résumé

récupéré en direct d'OpenAlex

As practitioners addressing issues related to international development, global poverty, and the UN Sustainable Development Goals move toward using market-based approaches to distribute financing, products, and services, management scholars seek to understand the potential consequences. In this symposium, four scholars explore the following questions: What are the manifest and latent consequences of utilizing markets and businesses to address development goals? How can management scholarship be used to think through ways to mitigate the negatively outcomes that disproportionately affect vulnerable populations while amplifying the positive ones? The Business of Health: Identifying and Overcoming Barriers to the Success of Health Enterprises Presenter: Emily Barman; Boston U. The Role of Interpersonal Interactions in Shaping Social and Economic Development Presenter: Laura Doering; U. of Toronto Meeting the Needs of the Poor Presenter: Aneel Karnani; U. of Michigan, Ann Arbor Understanding Impact Investing: A New Categorical Imperative Presenter: Tyler Wry; The Wharton School, U. of Pennsylvania

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,887
Score d'incertitude au seuil0,725

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,037
Tête enseignante GPT0,236
Écart entre enseignants0,200 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207