CDP (carbon disclosure project) emissions of CO <sub>2</sub> and environmental disclosure quality: the mediating role of media legitimacy and governance
Notice bibliographique
Résumé
The paper assesses the relation between firms’ CO2 emissions as per the CDP (formerly known as Carbon Disclosure Project) platform and their environmental disclosure quality, as mediated by two monitoring mechanisms: media legitimacy (external) and firm governance (internal). Legitimacy theory as well as the monitoring dimension of agency theory underlie the empirical investigation. The sample comprises Canadian and U.S. firms, for which a governance disclosure score and media legitimacy information are available from Bloomberg. Relying on structural equations modelling, results are the following. First, CDP disclosing firms exhibit an environmental disclosure score that is twice as high as non-disclosing firms. Second, media legitimacy, expressed by the Janis-Fadner index, is significantly lower for CDP disclosing firms. This may explain why high CO2 emission firms are less inclined to disclose CDP emission data. Third, the direct effect of the decision to disclose CDP emissions of CO2 (full sample) on environmental disclosure quality is positive and significant. Consistent with our hypotheses, we observe an indirect (mediating) effect on this relationship of media legitimacy (external monitoring) and corporate governance (internal monitoring). This suggests that media legitimacy and corporate governance enhance the positive impact of the decision to disclose CDP emissions of CO2 on environmental disclosure quality. Fourth, the direct effect of CDP emissions of CO2 (reduced sample) and environmental disclosure quality is positive and significant. Also consistent with our hypotheses, we observe an indirect effect on this relationship from media legitimacy and corporate governance.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».