MétaCan
Menu
Retour à la cohorte
Enregistrement W4388851956 · doi:10.1111/1467-8551.12778

Board Ancestral Diversity and Voluntary Greenhouse Gas Emission Disclosure

2023· article· en· W4388851956 sur OpenAlexaff
Johannes A. Barg, Wolfgang Drobetz, Sadok El Ghoul, Omrane Guedhami, Henning Schröder

Notice bibliographique

RevueBritish Journal of Management · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceEndogeneityGreenhouse gasDiversity (politics)Gender diversityAccountingBusinessOn boardScope (computer science)EconomicsPolitical scienceEcologyFinanceLawGeographyEconometrics

Résumé

récupéré en direct d'OpenAlex

Abstract This paper examines the relationship between board diversity and firms’ decisions to voluntarily disclose information about their greenhouse gas (GHG) emissions. We focus on board ancestral diversity as a relatively new dimension of (deep‐level) board structure and document that it has a positive and statistically significant effect on a firm's scope and quality of voluntary GHG emission disclosure. The effect goes beyond the impact of more common (surface‐level) dimensions of board diversity and remains robust after addressing endogeneity concerns. In line with the theoretical conjecture that diversity enhances a board's advising and monitoring capacity, we find that the impact of diverse boards is stronger in more complex firms and in firms with low levels of institutional ownership. Overall, our findings provide evidence for board diversity being a relevant governance factor in corporate environmental decision making.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,397
Score d'incertitude au seuil0,553

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)0,0000,000

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 Opus0,027
Tête enseignante GPT0,239
Écart entre enseignants0,213 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations19
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of ManagementMême sujetCorporate Social Responsibility ReportingTravaux en français237 207