MétaCan
Menu
Retour à la cohorte
Enregistrement W4386892885 · doi:10.1111/1911-3838.12348

Mandatory Disclosures as Calculative Spaces: Public Sector Accountability on Restoring Species at Risk*

2023· article· en· W4386892885 sur OpenAlexaffvenueabout
Dasha Smirnow, Claire Deng

Notice bibliographique

RevueAccounting Perspectives · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Conservation and Management
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésAccountabilityPublic sectorFraming (construction)Government (linguistics)SustainabilityBusinessAccountingBiodiversityPublic administrationPublic relationsEnvironmental resource managementPolitical scienceEconomicsEcologyGeographyBiologyLaw

Résumé

récupéré en direct d'OpenAlex

Abstract While sustainability has been a subject of growing inquiry in the accounting literature, biodiversity loss, an issue of critical societal importance, has not received the same attention. Furthermore, despite corporations, nongovernmental organizations, and the public sector all having distinct influences on biodiversity loss, the role of the public sector remains largely unexamined. Mobilizing Cuckston's (2022) framework for analyzing disclosures as calculative spaces, our study examines the framing of public sector reporting on biodiversity conservation. Specifically, through discourse analysis, we scrutinize the mandatory annual reports prepared by the Canadian federal government under the 2002 Species at Risk Act (SARA), which is aimed at preventing species extinction. The disclosures within these reports present discussions on the government's administration of SARA, thereby offering insights into the government's efforts to discharge accountability over the protection of species at risk. Our findings examine the significance of public sector reporting in enabling accountability for species conservation and discuss the ways in which mandatory disclosures contribute to this process.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0080,005

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 Opus0,034
Tête enseignante GPT0,266
Écart entre enseignants0,232 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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'admission3
Résumé présentoui

Explorer davantage

Même revueAccounting PerspectivesMême sujetEnvironmental Conservation and ManagementTravaux en français237 207