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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,111
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 tête enseignante, pas un consensus.

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