MétaCan
Menu
Retour à la cohorte
Enregistrement W3047348261 · doi:10.1111/beer.12312

Different forms of corporate philanthropy, different effects: A multilevel analysis

2020· article· en· W3047348261 sur OpenAlexaff
Ben Nanfeng Luo, Lu Xing, Rongrong Zhang, Xinyu Fu, Yucheng Zhang

Notice bibliographique

RevueBusiness Ethics A European Review · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésValue (mathematics)BusinessSample (material)Life satisfactionCorporate social responsibilityMultilevel modelMarketingPublic relationsPsychologySocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract This study investigates how different types of corporate philanthropy impact employees' life satisfaction. Grounded in signaling theory, we explore and clarify the nuances among three types of corporate philanthropy values: the absolute value of corporate philanthropy, the value of a firm's corporate philanthropy relative to its past level, and the value of corporate philanthropy relative to the firm size. Results of multilevel analyses on a large scale sample with 218 firms and 2,261 employees at two time points reveal that: the absolute value of corporate philanthropy positively influences employees' life satisfaction; the value of a firm's corporate philanthropy relative to its past philanthropy negatively impacts employees’ life satisfaction; and the value of corporate philanthropy relative to the firm size positively affects employees' life satisfaction. The results indicate that the influences of corporate philanthropy on employees' life satisfaction vary depending on the evaluation benchmarks. Firms may benefit by taking their size and past philanthropy into consideration when making corporate philanthropy investment decisions.

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)0,009
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,148
Tête enseignante GPT0,309
Écart entre enseignants0,161 · 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'étudeObservationnel
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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness Ethics A European ReviewMême sujetCorporate Social Responsibility ReportingTravaux en français237 207