MétaCan
Menu
Retour à la cohorte
Enregistrement W4385376906 · doi:10.5267/j.uscm.2023.5.099

How do corporate social responsibility and sustainable development goals shape financial performance in Indonesia's mining industry?

2023· article· en· W4385376906 sur OpenAlexvenueno aff
Husnah Husnah, Mochammad Fahlevi

Notice bibliographique

RevueUncertain Supply Chain Management · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorporate social responsibilitySustainable developmentBusinessNonprobability samplingStock exchangeAccountingReturn on assetsSustainabilitySustainability reportingSample (material)Social responsibilityStructural equation modelingFinancePublic relations

Résumé

récupéré en direct d'OpenAlex

This study aims to investigate and scrutinize the financial performance, represented by the Return on Asset (ROA), considering the mediating roles of Corporate Social Responsibility (CSR) and Sustainable Development Goals (SDGs). The sample selection method used purposive sampling, which used several criteria with the research object being the Mining industry listed on the Indonesia Stock Exchange and the National Center for Sustainability Reporting (NCSR) in 2020-2021. The data were sourced from secondary materials derived from several mining companies. The research employed Structural Equation Modeling (SEM) for data analysis. The results of the study indicate that: (1) CSR has a significant positive effect on SDGs; (2) SDGs have a significant positive effect on financial performance; (3) CSR has a significant positive effect on financial performance; and (4) SDGs can mediate CSR and financial performance. Companies should consider enhancing their CSR disclosure, as it is positively related to SDG achievement and financial performance. Moreover, regulatory bodies may encourage firms to adopt SDGs as part of their CSR initiatives, which could lead to both societal and economic benefits.

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)0,007
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 enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0000,001
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 Opus0,033
Tête enseignante GPT0,250
Écart entre enseignants0,217 · 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

Citations21
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetCorporate Social Responsibility ReportingTravaux en français237 207