Cooperation and punishment in managing social performance: Labor standards in the Gap Inc. supply chain
Notice bibliographique
Résumé
Abstract Research Summary Corporate social performance depends not only on a firm's behavior but also on the behavior of its suppliers. What management strategies improve the social performance of suppliers? Scholarship on inter‐firm relations and regulatory governance debates the efficacy of threatening to penalize suppliers, compared with more cooperative approaches. This study uses a regression discontinuity design to estimate the causal effects of typical actions to manage supplier social performance, both with and without threatened penalties. Suppliers improved social performance—increasing their probability of passing labor audits by 22 percentage points—only when regulatory actions included a threatened penalty: to discontinue business. Suppliers improved most in response to threatened penalties when they faced higher levels of supply chain competition or were engaged in longer‐term commercial relationships with the buyer. Managerial Summary How can multinationals improve labor standards in their suppliers around the world? We compared two approaches at the clothing retailer Gap Inc. When Gap did not threaten to discontinue business with low‐performing suppliers, we found no improvement in labor compliance when Gap issued failing compliance grades. However, once Gap began threatening to discontinue business with its lowest‐compliance suppliers, failing suppliers showed marked improvement in labor compliance. Failing suppliers improved most when (a) they faced high competition within their product category, and (b) when they were in longer‐term commercial relationships with the buyer. Our findings suggest buyers should use a combination of both threats and cooperation with suppliers to improve labor standards in global supply chains.
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 | 0,005 | 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 | 0,001 | 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 ».