MétaCan
Menu
Retour à la cohorte
Enregistrement W3210896148 · doi:10.22495/cgsrv5i4p1

Business resilience in the Sustainable Development Goals (SDGs) era: A conceptual review

2021· review· en· W3210896148 sur OpenAlexafffund
Sara Ford, Amr ElAlfy, Jeffrey Wilson, Olaf Weber

Notice bibliographique

RevueCorporate Governance and Sustainability Review · 2021
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesMitacs
Mots-clésResilience (materials science)CLARITYSustainabilitySustainable developmentBusinessProcess managementEnvironmental resource managementConceptual frameworkKnowledge managementPolitical scienceManagement scienceSociologyComputer scienceEconomicsSocial scienceEcology

Résumé

récupéré en direct d'OpenAlex

Amidst the global COVID-19 pandemic, the term resilience has gained significant momentum in global news and management studies. Although scholars from different domains have investigated resilience, there is a need to provide clarity on its definitions and assessment (Anderson, 2015). This paper provides a conceptual review on resilience and explores business resilience as a framework to guide sustainability strategy by mitigating social and environmental risks. The study contributes to the literature on resilience and tabulates the key definitions of business resilience covered in a sample of 80 peer-reviewed articles and books (Hillmann & Guenther, 2021; McKnight & Linnenluecke, 2017). We challenge the existing literature on adaptive capacity models that are short in anticipating unprecedented operational disruptions. To build business resilience we argue for the adoption of the Sustainable Development Goals (SDGs). Given their strategic outlook until 2030, the SDGs offer a framework for corporate sustainability that helps decision-makers within organizations identify social and environmental risks and establish business strategies that build resilience and meet the expectations of a firm’s diverse stakeholders

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)0,006
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,786
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,006
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,037
Tête enseignante GPT0,288
Écart entre enseignants0,251 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCorporate Governance and Sustainability ReviewMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207