MétaCan
Menu
Retour à la cohorte
Enregistrement W4292838546 · doi:10.1177/14761270221122428

Doing safe while doing good: Slack, risk management capabilities, and the reliability of value creation through CSR

2022· article· en· W4292838546 sur OpenAlexaff
Hao Lu, Xiaoyu Liu, Oleksiy Osiyevskyy

Notice bibliographique

RevueStrategic Organization · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensUniversity of CalgarySaint Mary's University
Organismes subventionnairesnon disponible
Mots-clésCorporate social responsibilityBusinessValue (mathematics)Enterprise valueSocial responsibilityAsset (computer security)ScarcityVariance (accounting)AccountingEconomicsMicroeconomicsPublic relations

Résumé

récupéré en direct d'OpenAlex

When can corporate social responsibility become a reliable strategic asset? There is a scarcity of both theoretical arguments and empirical evidence investigating the trade-off between the risk and return of corporate social responsibility. We intend to fill this gap by (1) investigating corporate social responsibility’s simultaneous impact on firm value and the reliability of this impact and (2) exploring the conditions under which corporate social responsibility’s impact on firm value becomes more or less reliable. The presented findings suggest that corporate social responsibility by itself is an unreliable value enhancer, in that it not only increases firm value but also increases the variance of expected value distribution. Yet, the impact of corporate social responsibility on firm value becomes more reliable when a firm has immediately redeployable slack or when a firm has stronger risk management capabilities. This research provides practical implications to managers and investors regarding the riskiness of corporate social responsibility investments and strategies for mitigating such risks.

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)0,008
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,008
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,047
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,007
Communication savante0,0050,006
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,222
Écart entre enseignants0,210 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations28
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrategic OrganizationMême sujetCorporate Social Responsibility ReportingTravaux en français237 207