The influence of firm digitalization on sustainable innovation performance and the moderating role of corporate sustainability practices: An empirical investigation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This paper seeks to shed light on the relationship between firm digitalization and the likelihood of launching sustainable innovations (social and environmental, social only, and environmental only), for which the extant research has provided a paucity of evidence. In detail, the role of digitalization is considered in terms of (i) the specific effect of a given digital technology (DT)—among artificial intelligence, cloud computing, robotics, smart devices, big data analytics, high speed infrastructure, and blockchain—and (ii) the effect of the concurrent adoption of multiple DTs (degree of digitalization). Furthermore, the paper assesses if and how the effect of the degree of digitalization is moderated by the implementation of sustainability practices, as the two issues are often treated independently. Research questions are proposed instead of hypotheses. Econometric analysis to answer proposed questions is based on a sample of 14,125 firms, whose information is gathered from the survey Flash Eurobarometer 486. Results reveal that each DT differently affects the likelihood of launching sustainable innovations, while the degree of digitalization is always beneficial. Moreover, it appears that firm digitalization and the adoption of sustainability practices are not complementary. All in all, this paper helps to illuminate current representations of the interplay between digitalization, sustainability practices, and sustainable innovations at the firm level, with implications for research, managerial practice, and policymaking.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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