A Meta‐Analytical Study of Cultural Dimensions Moderating the Relationship Between Board Diversity and Environmental Performance
Notice bibliographique
Résumé
ABSTRACT Inconsistent findings on the relationship between board diversity attributes and environmental performance in the extant literature warrant a comprehensive meta‐analytical assessment. Therefore, this research is targeted to examine the relationship between board diversity attributes—such as age, gender, education, nationality, and ethnicity—and corporate environmental performance through meta‐analysis. Additionally, it sheds light on the moderating influences of cultural dimensions—individualism, masculinity, power distance, uncertainty avoidance, long‐term orientation, and indulgence—on these relationships as national‐level cultural factors were rarely examined in the extant literature on corporate environmental performance. This research relied on 182 effect sizes from 91 studies published in Chartered Association of Business Schools (ABS) ranked journals in the last two decades. Mean correlation coefficients and random‐effect meta‐regressions were used to test the hypothesized relationships. All the board diversity attributes have a significant positive relationship with environmental performance. Concerning moderating effects, cultural dimensions of high power distance and uncertainty avoidance strengthen the positive relationship between board diversity attributes and environmental performance, whereas high individualism and indulgence dimensions weaken them. Masculinity and long‐term orientations yielded mixed results. In general, the results suggest that policies aimed at promoting board diversity can improve corporate environmental performance. However, the effectiveness of board diversity attributes in promoting corporate environmental performance is influenced by cultural factors. Since this research exclusively relies on articles published in English‐language ABS‐ranked journals, it may limit the generalizability of the findings by excluding potentially relevant studies published in other languages in other institutional and cultural contexts.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,026 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,023 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».