Digital-Platform-Based Ecosystems: CSR Innovations during Crises
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Humanitarian crises caused by war, natural disasters, famine, or disease outbreaks are growing globally and are persistent human tragedies threatening human health, safety, and well-being. Digital-platform-based ecosystems’ corporate social responsibility (CSR) activities have become a vital tool to support humans during crises. However, little is known about the impact of the innovative CSR practices of digital-platform-based ecosystems during a crisis. Therefore, this study investigates this crucial question. Building on dynamic capabilities theory and using thematic analysis of 89 news articles and data from website sources and reports relating to Airbnb Inc.’s CSR innovation in the Afghan 2021 and the Russia–Ukraine 2022 humanitarian crises, we find that strategic digital-platform-based ecosystem-driven CSR interventions during crises can be helpful for society and for businesses. The results suggest Airbnb.org leveraged its resources and capabilities to provide innovative, quick, and timely responses to redefine refugee resettlement, promoting a platform to harness community partnerships, creating a robust collaboration model with international non-governmental organizations and non-governmental organizations, and initiating a novel financial inclusion strategy for refugees and displaced persons. This result also implies that CSR technological innovations during s crisis can be theoretically explained and have further significant implications for policymakers, companies, and societal stakeholders.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle