MétaCan
Menu
Retour à la cohorte
Enregistrement W4416005711 · doi:10.5465/amproc.2025.10677abstract

“Doing Good,” But for Whom? Board Political Ideology, Stakeholder Alignment, and the Strategic Alloc

2025· article· en· W4416005711 sur OpenAlexaff
Addisu A. Lashitew, François Neville, Aaron Hill

Notice bibliographique

RevueAcademy of Management Proceedings · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésIdeologyStakeholderPoliticsSample (material)Climate changeStakeholder engagementGreenhouse gas

Résumé

récupéré en direct d'OpenAlex

The discourse around climate change has become both polarized and politicized, as beliefs about its existence, causes, and severity have become markers of partisan affiliation. As such, a full understanding of corporate strategies toward addressing climate change requires paying attention to the political beliefs and ideologies of key corporate stakeholders. The primary goal of this study is to examine the influence of board political ideology and stakeholder attributes on how firms go about reducing their greenhouse gas (GHG) emissions. We argue that the political ideology of a firm’s board will carry a main influence over the firm’s pursuit of a pro-climate strategy. However, how firms manage the reduction of their GHG emissions will depend on the ideology of the local communities where their facilities are located and the degree of civic organizations in these communities. As a consequence of pursuing “doing good” for those stakeholders with whom the board is more aligned, however, areas that are objectively subjected to greater climate risk will go overlooked. We empirically test our hypotheses using a sample of 18,412 observations from 2,700 facilities in the United States, finding strong support for our hypotheses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,048
Tête enseignante GPT0,288
Écart entre enseignants0,240 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetCorporate Social Responsibility ReportingTravaux en français237 207