MétaCan
Menu
Retour à la cohorte
Enregistrement W4416005804 · doi:10.5465/amproc.2025.18227abstract

Impact Investing as a Safeguard Against Institutional Hazards

2025· article· en· W4416005804 sur OpenAlexaff
Gilbert Kofi Adarkwah, Ari Van Assche, Gabriel R.G. Benito

Notice bibliographique

RevueAcademy of Management Proceedings · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésSafeguardIncentiveInvestment (military)Foreign direct investmentSubsidiaryEmpirical researchEconomic impact analysisCost–benefit analysis

Résumé

récupéré en direct d'OpenAlex

The growing practice of “impact investing” – investing for both pecuniary (financial) and non-pecuniary (social, and environmental) outcomes – has attracted increasing attention in recent years. However, questions remain on the outcomes of impact investments, especially in high-risk countries. The international business and strategy literature establishes that country risk from institutional hazards negatively impacts foreign investments. Leveraging a novel unique hand-collected dataset of impact investments globally, we theorize and empirically test the role of impact investment as a safeguard against institutional hazards. Impact investment may mitigate the adverse effects of institutional hazards through three mechanisms: (1) by reducing the cost of capital, (2) by catalyzing further investments, and (3) by fostering capacity-building to improve institutional environments. These mechanisms help firms manage uncertainties involved in foreign investment and reduce incentives to exit high-risk countries. Analyzing 794 U.S. firms and their subsidiaries in 79 countries over the 2000 to 2015 period, we find empirical support for our assertions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,664
Score d'incertitude au seuil0,778

Scores Codex et Gemma par catégorie

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

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 Opus0,038
Tête enseignante GPT0,294
Écart entre enseignants0,256 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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 sujetCommunity Development and Social ImpactTravaux en français237 207