A Framework for Authentic Ethical Decision Making in the Face of Grand Challenges: A Lonerganian Gradation
Notice bibliographique
Résumé
This paper contributes to the contemporary business ethics narrative by proposing an approach to corporate ethical decision making (EDM) which serves as an alternative to the imposition of codes and standards to address the ethical consequences of grand challenges, like COVID-19, which are impacting today's society. Our alternative approach to EDM embraces the concept of reflexive thinking and ethical consciousness among the individual agents who collectively are the corporation and who make ethical decisions, often in isolation, removed from the collocated corporate setting. We draw on the teachings of the Canadian philosopher and theologian, Fr. Bernard Lonergan, to conceptualize an approach to EDM which focuses on the ethics of the corporate agent by nurturing the universal and invariant structure that is operational in all human beings. Embracing Lonergan's dynamic cognitive structure of human knowing, and the structure of the human good, we advance a paradigm of EDM in business which emboldens authentic ethical thought, decision making, and action commensurate with virtuous living and germane to human flourishing. Lonergan's philosophy guides us away from the imposition of over-arching corporate codes of ethics and inspires us, as individual agents, to attend to the data of our own consciousness in our ethical decision making. Such cognitional endowment leads us out of the ethics of the 'timeless present' (Islam and Greenwood in Journal of Business Ethics 170: 1-4, 2021) towards ethical authenticity in business, leaving us better placed to reflect upon and address the ethical issues emanating from grand challenges like COVID-19.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,079 |
| Communication savante | 0,015 | 0,013 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».