Exploring the Effects of Liminality on Corporate Social Responsibility in Interfirm Outsourcing Relationships
Notice bibliographique
Résumé
This chapter seeks to contribute to the corporate social responsibility (CSR) discourse of “doing well by doing good” in the domain of Global Information Technology Outsourcing (GITO). Matten and Moon (2008) define CSR as a “clearly articulated and communicated set of policies and practices of corporations that reflect business responsibility for some of the wider societal good” (p. 405). Authors including Bishop and Green (2008), Emerson (2003), and Porter and Kramer (2006, 2011) have all argued for a “doing well by doing good” approach to corporate social responsibility that utilizes pro-market strategies to increase returns on philanthropic investment. They posit that corporations that embrace social concerns create a “win-win” outcome for both parties (Falck and Heblich 2007). However, Ahmad and Ramayah (2013) highlight the controversy that exists, questioning whether ventures that devote resources and effort in trying to improve society will suffer in terms of performance, or whether enterprises that “do good” will also “do well,” and thus be successful both financially and socially. This issue remains inconclusive, as prior studies have presented mixed results (Roper and Parker 2013), highlighting the need for further empirical research. Furthermore, prior studies have largely been situated within a firm hierarchy or strategic alliance, and there is a paucity of literature exploring how the “doing well by doing good” approach to CSR might prevail in market-based interfirm outsourcing relationships. GITO presents an interesting context in which to study this phenomena, as it involves the subcontracting of IT services by transacting partners (client to a vendor) with some or all of the tasks undertaken in a different country (Sahay, Nicholson, and Krishna 2003).
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 | 0,009 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,009 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,001 | 0,012 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 ».