MétaCan
Menu
Retour à la cohorte
Enregistrement W4397025935 · doi:10.18848/2328-6261/cgp/v24i01/25-44

Supplier Diversity Certification Success Factors: Survey of Women-owned Suppliers

2024· article· en· W4397025935 sur OpenAlexaff
Paul D. Larson, Jack D. Kulchitsky

Notice bibliographique

RevueThe International Journal of Organizational Diversity · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePublic Procurement and Policy
Établissements canadiensUniversity of ManitobaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCertificationDiversity (politics)BusinessMarketingEconomicsManagementPolitical science

Résumé

récupéré en direct d'OpenAlex

This article develops and tests theory-driven hypotheses on the impact of supplier diversity certification for women-owned businesses.Supplier diversity programs create opportunities for businesses majority-owned, managed, and/or operated by Indigenous Peoples, people with disabilities, veterans, visible minorities, 2SLGBTQI+ people, and women to become suppliers of goods and services, typically to large corporate or government buyers.Drawing on contingency theory and the resource-based view (RBV), supplier size and duration of certification are hypothesized to impact success.Diversity certification is conceptualized as an intangible asset, i.e., as a valuable resource.A survey was developed to collect data on organizational size, duration of certification, business success and other relevant variables, such as motivators for and barriers to certification.While both size and duration appear to facilitate success, there is also evidence that duration mediates the size effect.The discussion includes implications for theory and practice.There is a clear need for future research to explore a possible combination of diversity certification and capability certification, across all communities of diversity.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,034
Tête enseignante GPT0,243
Écart entre enseignants0,209 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Organizational DiversityMême sujetPublic Procurement and PolicyTravaux en français237 207