MétaCan
Menu
Retour à la cohorte
Enregistrement W4297239249 · doi:10.1080/09639284.2022.2122727

Threshold concepts and ESG performance: teaching accounting students reconceptualized fundamentals to drive future ESG advocacy

2022· article· en· W4297239249 sur OpenAlexaff
Norman T. Sheehan, Kenneth A. Fox, Mark Klassen, Ganesh Vaidyanathan

Notice bibliographique

RevueAccounting Education · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAccounting Education and Careers
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceAccountingShareholder valueShareholderValue (mathematics)DoctrineCorporate social responsibilityBusinessPublic relationsEconomicsPolitical scienceFinanceComputer science

Résumé

récupéré en direct d'OpenAlex

Whether corporations voluntarily reduce their negative impacts on the environment and society depends upon management advocacy. As future corporate leaders, accounting students will have a critical advocacy role, but they have been taught that shareholder value should not be sacrificed to reduce the externalized environmental and social costs caused by corporations. We believe accounting students are unable to break through the shareholder value maximization doctrine without understanding threshold concepts of corporate externalized costs and revised conceptualizations of corporate ownership and corporate governance. This paper proposes a new Environmental, Social, and Governance (ESG) Learning Model that accounting instructors can employ to understand the threshold concepts. Threshold concepts are reconstitutive and fundamentally change students’ worldviews so that new understandings may emerge and advocating for ESG initiatives becomes possible. The paper concludes with instructional strategies aligned with three pedagogical modalities to help students absorb the ESG threshold concepts.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,003
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,012
Tête enseignante GPT0,298
Écart entre enseignants0,286 · 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'étudeSans objet
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

Citations22
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting EducationMême sujetAccounting Education and CareersTravaux en français237 207