MétaCan
Menu
Retour à la cohorte
Enregistrement W4386294782 · doi:10.1111/fima.12434

Overselling corporate social responsibility

2023· article· en· W4386294782 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueFinancial Management · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensSaint Mary's UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésCorporate social responsibilityValuation (finance)NarrativeCorporate governanceEarningsPhenomenonEquity (law)AccountingBusinessStock (firearms)Monetary economicsFinancial economicsEconomicsFinancePublic relationsLawPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract We show that firms hype up their corporate social responsibility (CSR) narratives during the turn‐of‐the‐year earnings conference calls to project an overly responsible public image of their firms. This previously unexplored phenomenon does not appear to be related to past, current, and future CSR engagements and cannot be explained by observed time‐varying firm attributes and unobserved time‐invariant firm and CEO attributes. We find that the fourth‐quarter CSR narrative hike is more pronounced among firms that are (ex ante) expected to do more corporate good as well as firms embedded in dirty industries, but less prevalent among firms facing elevated product‐market threats. Although elevated CSR narrative is associated with positive short‐term market reaction and lower near‐term stock price crash risk, such behavior tends to reduce financial report readability and leads to lower equity valuation in the longer term. Our analyses suggest that CSR narrative hike at the turn‐of‐the‐year is a pervasive phenomenon in the corporate landscape and may have valuation and governance implications.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,507
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

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 Opus0,057
Tête enseignante GPT0,264
Écart entre enseignants0,207 · 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