Measuring the impact of corporate governance on non-financial reporting in the top HEIs worldwide
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose This study aims to measure the relationship between corporate governance and non-financial reporting (NFR) in higher education institutions (HEIs). Board effectiveness, student engagement, audit quality, Vice-Chancellor (VC) pay and VC gender are targeted for analysis. Design/methodology/approach This study is based on content analysis. The authors used the EU NFR Directive (2014/95/EU) to measure NFR. This includes environmental, corporate social responsibility, human rights, corporate board effectiveness and corruption and bribery. Cross-sectional data was collected from 89 HEIs worldwide across 15 different countries over three years. Content analysis, the weighted scoring method and panel data analysis are used to obtain the results. Findings Through a neo-institutional theoretical lens, this study provides a broader understanding of NFR content disclosure practices within HEIs. The findings reveal that the audit quality, VC pay and VC gender are significantly and positively associated with NFR content disclosure. However, board effectiveness has a significant negative impact on NFR content disclosure. More interestingly, the findings reveal that student engagement has an insignificant association with NFR content disclosure and there significant difference on the level of NFR content disclosure across universities situated in the different geographical region such as the USA, Australia, the UK and EU, Asia and Canada. The findings have important implications for regulators and policymakers. The evidence appears to be robust when controlling for possible endogeneities. Originality/value The study contributes to the literature on corporate non-financial disclosure as it provides new insights of corporate governance mechanisms and NFR disclosure within HEIs.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,035 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle