MétaCan
Menu
Retour à la cohorte
Enregistrement W3088166437 · doi:10.1111/1911-3838.12232

Advancing Sustainability Reporting in Canada: 2019 Report on Progress

2020· article· en· W3088166437 sur OpenAlexaffvenueabout
Charles H. Cho, Kathrin Bohr, Tony Jaehyun Choi, Katharine Partridge, Jhankrut Mukesh Shah, Ada Swierszcz

Notice bibliographique

RevueAccounting Perspectives · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensYork University
Organismes subventionnairesErasmus Universiteit Rotterdam
Mots-clésScrutinySustainability reportingBusinessShareholderAccountingSustainabilityCorporate governanceCorporate social responsibilityIntegrated reportingTask forceFinancePublic relationsPolitical sciencePublic administration

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This study examines the progress Canada's largest companies are making in their environmental, social, and governance (ESG) disclosures. Given the introduction of the Global Reporting Initiative (GRI) Standards and the United Nations Sustainable Development Goals (UN SDGs) as well as the issuance of the Task Force on Climate‐Related Financial Disclosures (TCFD) recommendations, our research reflects the uptake of these guidance documents by both mature and new reporters. Our analysis suggests that challenges persist—processes and progress often fail to reach investors as they are “lost in translation” when issued through third‐party ESG information providers, and reporters are also pressured to respond to a myriad of requests for information from rating and reporting agencies. Nevertheless, we note that Canada has new reporting sectors that must mature to survive the scrutiny of the markets and also hope that stock markets will respond to the recent announcement by the 181 CEOs of the U.S. Business Roundtable, who committed to lead their companies for the benefit of all stakeholders—customers, employees, suppliers, communities, and shareholders. Overall, we believe that our research will provide food for thought for companies interested in continuous improvement.

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)0,033
score de la tête « metaresearch » (Gemma)0,067
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,158
Score d'incertitude au seuil0,976

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,067
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0060,009
Études des sciences et des technologies0,0090,003
Communication savante0,0180,004
Science ouverte0,0030,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,016
Tête enseignante GPT0,272
Écart entre enseignants0,256 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAccounting PerspectivesMême sujetCorporate Social Responsibility ReportingTravaux en français237 207