MétaCan
Menu
Retour à la cohorte
Enregistrement W4225263755 · doi:10.3917/rips1.072.0005

Les contributions mutuelles entre les ONG locales et les entreprises : un facteur de crédibilité du rapportage social fondé sur trois piliers

2022· article· fr· W4225263755 sur OpenAlexaff
Olivier Braun, Agnès Ceccarelli, Christine Morin-Estèves

Notice bibliographique

RevueRevue internationale de psychosociologie et de gestion des comportements organisationnels · 2022
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensMinistère de l’Emploi et de la Solidarité Sociale (Québec)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceSociologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Les critiques portant sur la qualité des informations extra financières divulguées aux parties prenantes, y compris aux O.N.G, sont constantes. Le manque de crédibilité du rapportage social revêt autant des enjeux financiers que des enjeux d’opérationnalisation du développement durable. La collaboration des O.N.G à l’échelle territoriale, locale, avec les entreprises est peu abordée dans les recherches empiriques de même que leur contribution mutuelle à la crédibilisation du rapportage social. Notre recherche qualitative réunit des experts du développement durable et des représentants des O.N.G locales dans un espace de dialogue dont les confrontations font ressortir des réflexions qui aideront les entreprises à améliorer la qualité de leur rapportage social. Nous montrons du point de vue managérial que la crédibilité s’appuie d’une part sur une collaboration nourrie entreprises/O.N.G locales selon trois dimensions : une posture collaborative, des moyens et des objectifs communs puis des valeurs partagées. D’autre part, nous montrons que les O.N.G contribuent par leurs actions à la construction du contenu du rapportage social. Notre apport académique concerne la crédibilité du rapportage social qui se cristallise sur trois piliers : son instrumentalisation, sa construction et la divulgation des informations.

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)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,077
Tête enseignante GPT0,314
Écart entre enseignants0,237 · 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'étudeObservationnel
Domainenon disponible
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue internationale de psychosociologie et de gestion des comportements organisationnelsMême sujetCorporate Social Responsibility ReportingTravaux en français237 207