MétaCan
Menu
Retour à la cohorte
Enregistrement W4289861097 · doi:10.3390/su14159598

The Misalignment of the FT50 with the Achievement of the UN’s SDGs: A Call for Responsible Research Assessment by Business Schools

2022· article· en· W4289861097 sur OpenAlexaff
Kathleen Rodenburg, Michael J. Rowan, Andrew Nixon, Julia Hughes

Notice bibliographique

RevueSustainability · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensYorkville UniversityUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésRelevance (law)Quality (philosophy)PrestigeSustainabilityValue (mathematics)Sustainable developmentRepresentation (politics)Political scienceAccountingPublic relationsPsychologyEconomicsMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Publication in the list of 50 journals endorsed by the Financial Times (i.e., the FT50) has become ‘institutionalized’ as a primary measure of research quality and prestige by business schools and faculty. This study investigated the extent to which this closed publication system is (mis)aligned with societal imperatives, in particular the United Nation’s 17 Sustainable Development Goals (SDGs). Research methods included both inductive and deductive analysis. Undergraduate and graduate student research assistants, enrolled in business-related programs, read all 4522 articles published by FT50 journals in 2019 and assessed their relevance to explicit and implicit concepts in the SDG framework. Additionally, potential biases that might stifle research innovation in support of the SDGs were explored. Findings included that 90% of articles were found to have no ‘explicit’ relationship to the SDGs, while only 17% were interpreted as having an implicit relationship. SDG-related articles were disproportionately from one journal-the Journal of Business Ethics (48.1%). There was also an over-representation of observed white male primary authors, who used North American (NA) data sets from NA institutions. A logistic regression model determined that the predicted probability of an SDG-related article increased with observed female primary authors, who used non-NA data sets and institutions. The next steps include comparing this methodological approach with machine learning techniques to find a more efficient and robust method for analyzing an article’s SDG content. Business Schools with sustainability as a core value are encouraged to move beyond FT50 publications for assessing research quality, including for tenure and promotion purposes, and place more focus on assessing research relevance and impact.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,473
score de la tête « metaresearch » (Gemma)0,769
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,527
Score d'incertitude au seuil0,650

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4730,769
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0180,021
Études des sciences et des technologies0,0050,015
Communication savante0,0260,023
Science ouverte0,0040,011
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,314
Écart entre enseignants0,292 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomaineÉvaluation
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetCorporate Social Responsibility ReportingTravaux en français237 207