MétaCan
Menu
Retour à la cohorte
Enregistrement W4220961360 · doi:10.1111/basr.12267

COVID‐19 and credit unions: CSR approaches to navigating the pandemic

2022· article· en· W4220961360 sur OpenAlexaffabout
Hussein Al‐Zyoud, Eduardo Ordonez‐Ponce

Notice bibliographique

RevueBusiness and Society Review · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésBusinessCoronavirus disease 2019 (COVID-19)Face (sociological concept)PandemicAffect (linguistics)Qualitative propertyAccountingSociology

Résumé

récupéré en direct d'OpenAlex

Abstract The financial sector plays a fundamental role in Canadian society; credit unions, in particular, cater to a specific group of stakeholders not commonly served by traditional financial institutions. This research investigates the social responsiveness (CSR 2 ) approaches implemented by credit unions during the pandemic, the type of actions implemented, the stakeholders assisted, and whether the size of credit unions may affect their responses. Data were collected from the 100 largest credit unions from nine Canadian provinces and assessed through qualitative content analysis. Results show that Canadian credit unions have implemented accommodative and proactive approaches when addressing COVID‐19, through more operational than financial actions directed to their clients and employees, and that those with larger assets implement a greater number of actions compared to credit unions with smaller assets. More importantly, results show that traditional CSR 2 approaches (e.g., RDAP) do not fit unexpected crises, so novel approaches are required to face future crises and remain resilient. While we aim to contribute to the body of literature by examining how credit unions have assisted their stakeholders during the pandemic, we also, and most importantly, seek to provide material for discussing and reflecting on how organizations are prepared to face crises that will likely arise in the future.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,813
Score d'incertitude au seuil0,537

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,217
Tête enseignante GPT0,301
Écart entre enseignants0,084 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations9
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBusiness and Society ReviewMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207