There Is No Planet B: Aligning Stakeholder Interests to Preserve the Amazon Rainforest
Notice bibliographique
Résumé
How do firms address complex collective action problems effectively? Institutional and stakeholder research suggests that firms may avoid the tragedy of the commons by aligning the interests of critical proximate stakeholders in ways that governments cannot accomplish. This phenomenological paper investigates this possibility by analyzing Amazon rainforest preservation by Natura, a Brazilian cosmetics company. The results indicate that Natura internalized environmental externalities by linking ecologically conscious consumers with rural Amazonian communities. A differences-in-differences analysis compares forest preservation and fire activity in the municipalities that Natura entered with those in which it did not enter. Natura’s impact is identified through an instrumental variable analysis using missing satellite images, which Natura relied upon to decide which municipalities to enter. Quantitative results tie Natura’s entry into municipalities with forest preservation. Analysis of three mechanisms associates Natura’s involvement with stakeholder decisions to cultivate diverse forest-generated crops instead of clearing the land for conventional agriculture. This study contributes to the management literature by suggesting how firms can address important global challenges, such as rainforest preservation, by investing in stakeholder capability development and by creating institutional arrangements in line with those envisioned elsewhere. This paper was accepted by George Serafeim, Special Section of Management Science on Business and Climate Change. Funding: This work was supported by the Clarkson Centre for Business Ethics [CAD 7,500.00] and Canada’s Social Sciences and Humanities Research Council. Supplemental Material: The data files and online appendices are available at https://doi.org/10.1287/mnsc.2023.4884 .
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,005 |
| 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 | 0,006 | 0,006 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».