MétaCan
Menu
Retour à la cohorte
Enregistrement W4281727453 · doi:10.3390/su14116658

From Responsibility to Requirement: COVID, Cars, and the Future of Corporate Social Responsibility in Canada

2022· article· en· W4281727453 sur OpenAlexaffabout
David Benjamin Billedeau, Jeffrey Wilson, Naima Samuel

Notice bibliographique

RevueSustainability · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAutomotive industryCorporate social responsibilityBusinessPreparednessSocial responsibilityGeneral motorsPublic relationsIndustrial organizationEngineeringEconomicsManagementPolitical science

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has caused significant impacts to the automotive manufacturing industry. Despite substantial financial uncertainty, disruptions to supply chains, and shutdowns of manufacturing operations, automotive firms supported crisis response efforts throughout the course of the pandemic. Drawing on interviews with all the consumer automotive manufacturing companies in Canada (Ford, General Motors, Honda, Stellantis, and Toyota) as well as the two largest global automotive parts suppliers operating in Canada (Linamar and Magna), we investigated whether voluntary corporate responses to COVID-19 will shape long-term corporate social responsibility programs or simply constitute one-off crisis management actions. Ultimately, we argue that while Canada’s pandemic response efforts have benefitted from the voluntary involvement of automotive manufacturing companies, the limited coordination between stakeholders underscores the need for greater public sector oversight of the relationship between society and the private sector. To ensure preparedness for meeting new challenges, such as climate change, we call for the era of voluntary corporate social responsibility programs to yield to a period of corporate social requirements.

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)0,013
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
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 enseignants0,303
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,002
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 Opus0,018
Tête enseignante GPT0,256
Écart entre enseignants0,238 · 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

Citations7
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetCorporate Social Responsibility ReportingTravaux en français237 207