AVALIAÇÃO HIERÁRQUICA DA INFLUÊNCIA DO PAÍS, SETOR E EMPRESA NA EVIDENCIAÇÃO DA RESPONSABILIDADE SOCIAL CORPORATIVA
Bibliographic record
Abstract
O estudo realiza uma avaliação hierárquica da influência do sistema nacional de negócios (SNN), setor industrial e fatores associados ao desempenho financeiro da empresa na evidenciação de responsabilidade social corporativa (RSC). Adota-se os pressupostos da teoria institucional para investigar a influência do sistema nacional de negócios na evidenciação de práticas sociais e ambientais em empresas provenientes dos setores de materiais básicos, de operações de petróleo e gás e de utilidade pública. O estudo analisa 264 observações provenientes de empresas que possuem ações negociadas nas bolsas de valores do Brasil (BM&FBovespa) e do Canadá (Toronto Stock Exchange). Foi realizado um estudo longitudinal, adotando-se estatística descritiva e estimação econométrica com modelo hierárquico. Os resultados indicam que o percentual da variância da evidenciação de RSC é explicada pelo nível do SNN, seguido dos fatores associados ao desempenho financeiro das empresas. A pesquisa reforça a necessidade de os gestores avaliarem as características que moldam o sistema nacional de negócios ao estabelecerem suas estratégias relacionadas à evidenciação de responsabilidade social corporativa.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.013 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".