MétaCan
Menu
Retour à la cohorte
Enregistrement W3121311011 · doi:10.1287/orsc.2015.1039

Scrutiny, Norms, and Selective Disclosure: A Global Study of Greenwashing

2016· preprint· en· W3121311011 sur OpenAlexfundno aff
Christopher Marquis, Michael W. Toffel, Yanhua Zhou

Notice bibliographique

RevueOrganization Science · 2016
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensnon disponible
Organismes subventionnairesPeking UniversityUniversity of TorontoDuquesne UniversityUniversidade de MacauMcGill UniversityHarvard Business School
Mots-clésScrutinyTransparency (behavior)BusinessGreenwashingAccountingPublic disclosureImpression managementPublic economicsPublic relationsEconomicsPolitical scienceCorporate social responsibilityLaw

Résumé

récupéré en direct d'OpenAlex

Under increased pressure to report environmental impacts, some firms selectively disclose relatively benign impacts, creating an impression of transparency while masking their true performance. We theorize circumstances under which firms are less likely to engage in such selective disclosure, focusing on organizational and institutional factors that intensify scrutiny and expectations of transparency and that foster civil society mobilization. We test our hypotheses using a novel panel data set of 4,750 public companies across many industries that are headquartered in 45 countries during 2004–2007. Results show that firms that are more environmentally damaging, particularly those in countries where they are more exposed to scrutiny and global norms, are less likely to engage in selective disclosure. We discuss contributions to research on institutional theory, strategic management, and information disclosure.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,012
Score d'incertitude au seuil0,758

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,003
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 Opus0,022
Tête enseignante GPT0,278
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 tête enseignante, 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrganization ScienceMême sujetCorporate Social Responsibility ReportingTravaux en français237 207