MétaCan
Menu
Retour à la cohorte
Enregistrement W4385812956 · doi:10.3390/jrfm16080373

Integration of Digital Technologies in Corporate Social Responsibility (CSR) Activities: A Systematic Literature Review and Bibliometric Analysis

2023· article· en· W4385812956 sur OpenAlexvenueno aff
Атанас Атанасов, Galina Chipriyanova, Radosveta Krasteva-Hristova

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovation, Sustainability, Human-Machine Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorporate social responsibilityDigital transformationContext (archaeology)Knowledge managementScientific literatureData scienceDigitizationComputer scienceBusinessPolitical scienceWorld Wide WebPublic relations

Résumé

récupéré en direct d'OpenAlex

Modern technologies require the need to analyze the opportunities for improving the integration of digital technologies in CSR activities in the context of added values between business and science in perspective, including the future digital society. The main goal of this article is to identify the current state of research on the integration of digital technologies in CSR activities in business, as well as to prepare recommendations for further research and practice. Additionally, the study aims to recognize the relationship and dependencies between CSR and digital technologies. A systematic literature review and bibliometric analysis of 129 scientific articles published between 2014 to 2023 was performed. The bibliometric analysis was organized in two directions: descriptive and performance analysis, through which we can study the contribution of the analyzed objects to the given scientific area, and science mapping, which studies the relationships among them. The results indicate that companies more frequently use artificial intelligence, blockchain, the Internet of Things and other technologies to increase the efficiency and impact of their CSR activities. In addition, this research reveals the basis of bringing forward the new trends for future publications, which shall upgrade and enrich the theory and practice.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaBibliométrie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Revue systématiquelow
gptBibliométrie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Revue systématiquehigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,015
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,901
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,041
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0990,074
Études des sciences et des technologies0,0020,002
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,022
Tête enseignante GPT0,314
Écart entre enseignants0,292 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetInnovation, Sustainability, Human-Machine SystemsCatégorieBibliométrieTravaux en français237 207