MétaCan
Menu
Retour à la cohorte
Enregistrement W4410099468 · doi:10.21522/tijar.2014.12.02.art008

Business Data Breaches-Impact on Brand Reputation and Employee Integrity: A Case Study of Desjardins in Canada

2025· article· en· W4410099468 sur OpenAlexaboutno aff

Notice bibliographique

RevueTexila international journal of academic research · 2025
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessReputationMarketingReputation managementLaw

Résumé

récupéré en direct d'OpenAlex

The research explored the effects and the impact of business data breaches on brand reputation and employee integrity, using the 2019 Desjardins Group Canada breach as a case study.The breach in question compromised personally identifiable information of over 9.7 million customers and Desjardins members, revealing vulnerability in data security, governance, and organizational culture.In addition to financial losses, the incident eroded client trust and loyalty, created an internal crisis and uncertainty within the organization.The research examines the effects of the breach on stakeholder confidence, business resilience, and employee morale using a mixed research approach which includes interviews, surveys, and secondary data analysis.The research reveals a significant decline in public trust, financial impacts, and brand damage.Employees faced increased stress levels, low morale, and declining confidence in leadership, which highlighted the human toll of cybersecurity failures.The research explores how perceived risks and threats, protective measures, and trust dynamics can influence stakeholder responses.It emphasizes the necessity of a clear crisis management process, transparency, and robust cybersecurity frameworks to mitigate the adverse effects of data breaches.Organizations that acted swiftly and communicated transparently could restore stakeholder trust and confidence.To enhance information security, businesses should invest in governance, employee training, and cultivate a security-focused culture.Additionally, policymakers should advocate for stringent data protection laws and regulations, mandatory breach disclosures, and cross-sector collaboration to strengthen cybersecurity resilience.This research offers valuable insights for businesses, regulators, and scholars confronting cybersecurity risks and threats in an increasingly digital landscape.

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)0,018
score de la tête « metaresearch » (Gemma)0,023
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,210
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,002
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 Opus0,613
Tête enseignante GPT0,621
Écart entre enseignants0,008 · 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.

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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTexila international journal of academic researchMême sujetEthics in Business and EducationTravaux en français237 207