MétaCan
Menu
Retour à la cohorte
Enregistrement W4386753465 · doi:10.24191/apmaj.v18i2-11

The Social Construction of Risk: Evidence from UK Banks

2023· article· en· W4386753465 sur OpenAlexaff
Dominic Roberts, Ekililu Salifu

Notice bibliographique

RevueAsia-Pacific Management Accounting Journal · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRisk Management in Financial Firms
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésRisk perceptionRisk managementSocial riskPerceptionConstruct (python library)Social constructionismContext (archaeology)Financial risk managementBusinessEmpirical researchOperational riskEmpirical evidenceIT risk managementIT riskEnterprise risk managementPublic relationsMarketingActuarial scienceSociologyPsychologyFinancePolitical scienceComputer scienceSocial scienceEpistemology

Résumé

récupéré en direct d'OpenAlex

This research presents empirical evidence of the perceptions of risk in UK operating banks and how these perceptions influence risk processes at these institutions. We used social constructivism to understand the views of UK managers in the banking industry. The study found that there was a divide in risk perception among risk managers in UK operating banks. Such a divide is crucial in explaining the differences in risk approach and risk processes in the banking industry. The discussion presented is based on the results of 25 semi-structured interviews. Two distinct characterizations of risk emerged from the data. One perceived risk as a calculable, measurable construct that can be managed, controlled and verified. The other conceived risk as a mixture of mathematical numerics and social ideals that engages an understanding of and appreciation for the concept. Each viewpoint represents an opportunity to fathom risk in its own context, contributing to the critical debate on risk management. The extent to which social factors influence risk decisions varied among banking institutions. Keywords: risk, risk management, social construction, banks

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,386
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,018
Tête enseignante GPT0,242
Écart entre enseignants0,224 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsia-Pacific Management Accounting JournalMême sujetRisk Management in Financial FirmsTravaux en français237 207