Impact of AI strategies on climate-change performance: Responsible AI and crisis management perspectives
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Addressing the Sustainable Development Goal related to climate change through artificial intelligence (AI) is an important area of interest for scholars, practitioners, and policymakers. This study examines how AI based strategies, hereafter AI strategies – including AI data management and quality, AI analytics, and AI-driven insights employed by the firms – impacting the climate change performance. It emphasizes the mediating role of climate crisis management (risk identification, risk assessment, and crisis response monitoring and treatment) and the moderating role of responsible AI. Using survey data from 235 managers of firms in the USA and Canada, findings reveal that climate risk identification and assessment significantly mediate the positive effects of AI strategies on climate change performance. These indirect effects are stronger under conditions of high responsible AI embeddedness. While crisis response monitoring and treatment also show a positive indirect relationship with climate change performance, this effect does not significantly differ based on the level of responsible AI. The research contributes to crisis management literature by highlighting the critical role of embedding responsible AI strategies for effective climate crisis management, especially in accurately identifying crisis types and assessing their severity. Additionally, we provide a structured 3x3 matrix that offers managerial guidelines drawing insights from data-derived findings and present critical research avenues for future exploration. Practically, these findings assist managers in effectively integrating responsible AI practices into crisis management processes to enhance firms’ climate performance and resilience. • Integrates AI strategy with a climate crisis management framework to assess climate performance. • Responsible AI enhances risk identification but not crisis response effectiveness. • AI's strongest impact lies in proactive risk management rather than real-time crisis handling. • Offers a framework aligning organizational AI strategy in addressing SDG 13. • Offers 3X3 matrix based managerial guidelines.
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.
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 | 0,000 | 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 | 0,000 | 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 découle