Der Einfluss von Corporate Social (and Ecological) Responsibility auf den Unternehmenserfolg
Bibliographic record
Abstract
Über die Auswirkungen und Effekte der sozialen und ökologischen Verantwortung von Unternehmen gab es lange Zeit widersprüchliche Standpunkte, die sich teilweise bis in die heutige zeit halten. Die Debatte wurde vor allem ab der Mitte des 20. Jahrhunderts sehr kontrovers geführt. Eine Reihe internationaler Studien und Aufsätze haben versucht einen möglichen Zusammenhang zwischen der Wahrnehmung von sozialer und ökologischer Verantwortung und dem Unternehmenserfolg zu belegen bzw. zu widerlegen. Während viele Primärstudien einen positiven bzw. keinen Zusammenhang feststellten, kamen nur sehr wenige zu dem Ergebnis, dass Corporate Social Responsibility (CSR) das finanzielle Ergebnis negativ beeinflusst. Eine von Marc Orlitzky, Frank L. Schmidt und Sara L. Rynes 2003 veröffentlichte und 52 Studien umfassende Meta-Analyse kommt zu folgenden Ergebnissen:\n\n *\n CSP (Corporate Social Performance) korreliert positiv mit der CFP (Corporate Financial Performance),\n * es gibt eine bidirektionale Abhängigkeit zwischen den beiden Dimensionen,\n * Reputation ist ein bedeutender Faktor, der die Beziehung mit beeinflusst,\n * Stakeholder-Mismatching, Stichproben- und Messfehler können einen Großteil der unterschiedlichen Studienergebnisse erklären. \n\nImmer mehr Unternehmen sind der Überzeugung, dass eine alleinige Fokussierung auf die wirtschaftliche Leistungsfähigkeit nicht zeitgemäß ist. Vielmehr kann durch sozial verantwortliches und ökologisch tragfähiges Handeln ein Mehrwert erzielt werden. Die Nutzendimensionen sind vielfältig und reichen von einem erhöhten Unternehmenswert, einer Steigerung von Glaubwürdigkeit und Image über eine erhöhte Kunden- und Mitarbeiterbindung sowie Abgrenzung von Konkurrenzunternehmen bis hin zu einer erhöhten Investitionssicherheit und Minderung von Risiken.
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".