MétaCan
Menu
Retour à la cohorte
Enregistrement W3130731890 · doi:10.2308/api-2020-017

Measuring CSR Disclosure when Assessing Stock Market Effects

2021· article· en· W3130731890 sur OpenAlexaff
Annika Beelitz, Charles H. Cho, Giovanna Michelon, Dennis M. Patten

Notice bibliographique

RevueAccounting and the Public Interest · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésCorporate social responsibilityBusinessAccountingNuclear powerStock (firearms)Actuarial sciencePublic relationsPolitical science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT A growing number of studies are using a dichotomous variable indicating the presence of a standalone CSR report to capture impacts of CSR disclosure. Our concern is that, without considering differences in the information provided, such an approach could lead to incorrect inferences regarding those impacts. We extend prior research by examining whether, similar to differences in environmental disclosure, the mere presence of a standalone CSR report also mitigates negative market reactions at times of regulatory cost exposure. We focus on the 2011 Fukushima Daiichi disaster and a sample of international utilities with nuclear power generation. Controlling for other factors related to social and regulatory cost exposures, we find only the environmental disclosures appear to reduce negative market effects. We argue that, in exploring the impacts of CSR disclosure, researchers need to carefully consider, beyond just the presence of a CSR report, differences in the extent of information being provided.

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)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Communication savante
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 enseignants0,312
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0040,002
Science ouverte0,0000,001
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 Opus0,046
Tête enseignante GPT0,252
Écart entre enseignants0,206 · 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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting and the Public InterestMême sujetCorporate Social Responsibility ReportingTravaux en français237 207