MétaCan
Menu
Retour à la cohorte
Enregistrement W4417348245 · doi:10.1002/sd.70515

Mapping the Research Landscape of Sustainable Development Goals in Business, Management, and Accounting: A Bibliometric and Thematic Synthesis

2025· article· en· W4417348245 sur OpenAlexaff
Ajay Chandel, Rohail Hassan, Anurag Pahuja, Sukhbir Sandhu

Notice bibliographique

RevueSustainable Development · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensWorkplace Health, Safety and Compensation Commission
Organismes subventionnairesnon disponible
Mots-clésThematic mapSustainable developmentSustainabilityMultidisciplinary approachThematic analysisContent analysis

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Ongoing research related to the sustainable development goals (SDGs) agenda within business, management, and accounting has garnered significant scholarly attention due to its potential to address global sustainability challenges. This study presents a comprehensive bibliometric and content analysis of 1536 research articles published between 2011 and 2024. Using a bibliometric and thematic synthesis, the study unearths thematic trends, top contributors, and active research areas, including energy efficiency, circular business models, and sustainable reporting. The study unearths new empirical outlines in the field, revealing that SDGs such as No Poverty (SDG1), Zero Hunger (SDG2), Good Health and Well‐being (SDG3), and Life Below Water (SDG14) remain under‐researched in business and management scholarship, while SDGs 7, 8, 9, and 17 exhibit the broadest thematic diversity. Following an integrated approach that combines entropy analysis, bibliographic coupling, and content analysis, the study presents one of the first triangulated views of how SDG research in business disciplines has evolved from a CSR‐centric discourse toward multifaceted sustainability frameworks. These findings strengthen the theory and practice by identifying thematic blind spots, emergent multidisciplinary linkages, and implementable research directions for academia, policymakers, and industry.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaBibliométrie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnelhigh
gptBibliométrie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnelhigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,046
score de la tête « metaresearch » (Gemma)0,121
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,954
Score d'incertitude au seuil0,245

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,121
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,2240,254
Études des sciences et des technologies0,0030,004
Communication savante0,0120,007
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,042
Tête enseignante GPT0,285
Écart entre enseignants0,243 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique · Synthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable DevelopmentMême sujetCorporate Social Responsibility ReportingCatégorieBibliométrieTravaux en français237 207