Utilizing artificial intelligence and social media: Transforming public administration decision mak-ing and redefining the social responsibility landscape
Notice bibliographique
Résumé
Company activities can yield both favorable and adverse outcomes. Among the detrimental effects are various environmental crises stemming from companies' failure to responsibly manage and uphold ethical business practices within their operational environment. This study aims to scrutinize the impact of artificial intelligence and social media on augmenting public administration decision-making and its repercussions on corporate social responsibility within enterprises situated in Sidoarjo, East Java Province, Indonesia. The sample comprises 130 respondents representing companies actively engaged in corporate social responsibility endeavors. Employing purposive sampling technique, data collected from surveys were subjected to Structural Equation Modeling-Partial Least Squares (SEM-PLS) analysis. The research outcomes and data analysis reveal that artificial intelligence significantly and directly influences corporate decision-making as well as public administration of social responsibility. Likewise, the utilization of social media by both corporations and government exhibits a direct and positive correlation with corporate decision-making and corporate social responsibility. Public administration decision-making also demonstrates a direct and significant impact on corporate social responsibility within companies in Sidoarjo, East Java Province, Indonesia. Moreover, public administration decision-making partially mediates the effects of artificial intelligence utilization and social media utilization on public administration of social responsibility within companies in Sidoarjo, East Java Province, Indonesia.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».