From social good to operational good? How women influence sustainable operations
Notice bibliographique
Résumé
Purpose Women can play an important part in integrating sustainability into operations and supply chain management. Yet, it is unclear how their broader representation across the organization influences operational practices and outcomes. Drawing on social role theory, we theorize and empirically examine how women impact sustainable operations in terms of resource usage, product responsibility, and emissions. We further theorize that firms with a greater proportion of women are more averse to unsustainable behavior and thus respond with greater urgency to improve sustainability performance when underperformance occurs as a mechanism. Design/methodology/approach Our empirical analysis uses a fixed effects panel estimation strategy on a sample of 17,532 observations from 2003 to 2023 across 3,867 firms using the Refinitiv V2 Environmental, Social and Governance database. Findings Having more women managers improves firm emissions performance. Women on the board have a broader impact, positively influencing resource usage, product responsibility, and emissions. In the post-hoc analysis, increasing representation of women at the manager and board levels was associated with year-to-year improvements in these same sustainable operations metrics. These improvements are most substantial when the firm underperformed industry peers in the prior year. Originality/value Our empirical results suggest that women can positively impact sustainable operations when they are in a decision-making position. Managerially, we advance a gender-based approach to governing sustainability issues in operations and supply chain management.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,004 |
| 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 ».