MétaCan
Menu
Retour à la cohorte
Enregistrement W3195928391 · doi:10.1017/sus.2021.19

Mutual reinforcement of academic reputation and fossil fuel divestment

2021· article· en· W3195928391 sur OpenAlexafffund
Gregory M. Mikkelson, Miron Avidan, Aleksandra Conevska, Dror Etzion

Notice bibliographique

RevueGlobal Sustainability · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésDivestmentEndowmentReputationBusinessPrestigeEconomicsIndustrial organizationAccountingPolitical scienceFinanceLaw

Résumé

récupéré en direct d'OpenAlex

Non-technical summary By the end of 2020, 190 universities and colleges worldwide had publicly committed to divest partially or fully from fossil fuel holdings, to help mitigate global heating. We find a statistical correlation between the status of universities in the world rankings and decisions to divest endowments from fossil fuel. Further analysis suggests causation in both directions. Not only do the best divest, but divestors get better. Technical summary Previous studies have explored connections between environmental responsibility and the financial performance of business firms. Here, we explore connections between a particular form of environmental responsibility, divestment from fossil fuel, and the reputational status of a different form of organization, universities. We find a strong and robust link between world university rankings and commitments to divest endowments from the fossil fuel industry, with higher-ranked universities divesting at higher rates compared to lower-ranked universities. Rates of divestment also differ significantly between countries, and according to the political orientations of provinces and states. We do not find evidence for links between divestment treated as a binary variable and a university's number of students, size of endowment, or type of endowment. We use time lags to test whether the rank-divestment correlation may arise due to effects of rank on divestment and/or vice versa. These tests indicate influence in both directions. In light of these results, we predict universities that have not yet divested will face mounting peer pressure to do so. Social media summary Higher-ranked universities divest more frequently, and divesting universities improve more in the rankings.

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)0,002
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 GPT0,284
Écart entre enseignants0,268 · 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.

Devis d'étudeObservationnel
DomaineÉvaluation
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

Citations4
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal SustainabilityMême sujetCorporate Social Responsibility ReportingTravaux en français237 207