Can student managed investment funds (SMIFs) narrow the environmental, social and governance (ESG) skills gap?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The purpose of this paper is twofold. First, it endeavors to document the current state of environmental, social and governance (ESG) pedagogy within undergraduate finance courses of business schools, and second, it seeks to show how business schools can leverage student managed investment funds (SMIFs) to swiftly integrate ESG pedagogy. Design/methodology/approach The study is comprised of two sections that use different methodologies. The first part of the study involves a manual content analysis of undergraduate finance course textbooks, and related instructor materials are used to estimate the average coverage of ESG-related topics. Next, a case study of a SMIF that has recently integrated an ESG framework is provided to illustrate how this pedagogical innovation is effective in teaching ESG skills. Findings The findings of the content analysis of the three most commonly used textbooks in a sample of 17 Canadian universities, as well as associated instructor material, provide evidence that the primary emphasis in traditional curriculum remains on the shareholder, with little attention paid to ESG factors. The case study of an existing SMIF clearly demonstrates how a student-led development of an ESG framework provides the setting for effective, experiential learning. Originality/value This study shows that while traditional teaching settings, like lectures, may be slow to adapt to the rapidly changing needs of industry, nontraditional teaching venues, such as SMIFs, can be leveraged to meet industry demand for ESG skills, thereby closing the skills gap, enhancing student employability and increasing the relevance of business school education.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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