MétaCan
Menu
Retour à la cohorte
Enregistrement W3081450120 · doi:10.1108/jfra-02-2020-0027

Is corporate disclosure of environmental performance indicators reliable or biased information? A look at the underlying drivers

2020· article· en· W3081450120 sur OpenAlexaff
Hani Tadros, Michel Magnan, Emilio Boulianne

Notice bibliographique

RevueJournal of financial reporting & accounting · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensConcordia UniversityCenter for Interuniversity Research and Analysis on Organizations
Organismes subventionnairesnon disponible
Mots-clésAccountingWitnessDiscretionBusinessOriginalitySample (material)LegitimacyEnvironmental reportingVoluntary disclosureValue (mathematics)Panel dataEconomicsPsychologyPolitical scienceEconometrics

Résumé

récupéré en direct d'OpenAlex

Purpose This study aims to examine the disclosure determinants of environmental performance indicators (EPIs) for a sample of US firms to understand if these disclosures are reliable or whether they are biased towards the reporting of positive information. Design/methodology/approach The study uses a panel data analysis to examine the association between firms’ EPIs disclosures and their environmental performances, and other economic and legitimacy factors. Findings The results show that firms’ disclosures are not associated with the level of environmental performance and that firms continue to provide EPI information even if they witness a decline in their environmental performance. The evidence suggests that firms’ environmental disclosures are reliable and indicative of their environmental performance. Practical implications The findings suggest that mandating EPI disclosures may increase the level of the information reported and reduce firms’ discretion over the disclosure of such information. Originality/value Reporting of EPIs is directly linked to firms’ environmental performances. By examining the association between EPI disclosures and environmental performance, the study contributes to the ongoing debate about firms’ reporting and whether it is informative to its stakeholders or whether firms use this type of information to legitimize their operations and portray it in a positive light.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,029
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,004
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,050
Tête enseignante GPT0,254
Écart entre enseignants0,203 · 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'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

Citations17
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of financial reporting & accountingMême sujetCorporate Social Responsibility ReportingTravaux en français237 207