MétaCan
Menu
Retour à la cohorte
Enregistrement W4294167448 · doi:10.17016/feds.2022.056

Climate Change and Adaptation in Global Supply-Chain Networks

2022· article· en· W4294167448 sur OpenAlexafffund
Nora M.C. Pankratz, Christoph Schiller

Notice bibliographique

RevueFinance and Economics Discussion Series · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensQueen's University
Organismes subventionnairesArizona State UniversityUniversity of TorontoUniversiteit MaastrichtU.S. Department of Energy
Mots-clésSupply chainBusinessAdaptation (eye)Climate changeSupply chain managementSupply chain risk managementRisk managementIndustrial organizationEnvironmental economicsMarketingService managementEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

This paper examines how physical climate risks affect firms' financial performance and operational risk management in global supply-chains. We document that weather shocks at supplier locations reduce the operating performance of suppliers and their customers. Further, customers respond to perceived changes in suppliers' climate-risk exposure: When realized shocks exceed ex-ante expectations, customers are 6-11% more likely to terminate existing supplier-relationships. Consistent with models of experience-based learning, this effect increases with signal strength and repetition, is insensitive to long-term climate projections, and increases with industry competitiveness and decreases with supply-chain integration. Customers subsequently choose replacement suppliers with lower expected climate-risk exposure.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,027
Tête enseignante GPT0,209
Écart entre enseignants0,182 · 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

Citations70
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFinance and Economics Discussion SeriesMême sujetMarket Dynamics and VolatilityTravaux en français237 207