Yritysvastuun hyödyntäminen Suomen majoitusmarkkinoilla
Bibliographic record
Abstract
Tämän työn tavoitteena on selvittää strategisen vastuun motiiveja liiketoiminnassa majoitusalan yrityksen näkökulmasta. Työssä tarkastellaan vastuullisuutta erityisesti kilpailuedun kannalta Suomen majoitusmarkkinoilla. Tutkimuskohteina ovat seuraavat laajasti Suomessa toimivat hotelliketjut: Best Western, Finlandia Hotels, Restel, Scandic, Sokos Hotels ja Radisson Blu Hotels.\n\nYrityksen toiminta vaikuttaa koko yhteiskuntaan ja ympäristöön. Vastuullinen yritys edesauttaa ympäristön ja yhteiskunnan hyvinvointia ja tukee kestävää kehitystä, mikä kertoo aiheen merkittävyydestä. Vastuullinen liiketoiminta eli yhteiskuntavastuu koostuu taloudellisesta, sosiaalisesta ja ympäristövastuusta. Kun vastuullisuus on osa yrityksen liiketoimintaa, puhutaan strategisesta yritysvastuusta. Tänä päivänä esimerkiksi ympäristömerkkien käyttö on yleistynyt ja vastuullisuus on ymmärretty tärkeäksi asiaksi. Myös asiakkaat ovat tietoisia ja kiinnostuneita vastuullisuusasioista ja osaavat siten vaatia enemmän yrityksiltä. \n\nTämä kvalitatiivinen tutkimus hotelliketjujen vastuullisesta liiketoiminnasta toteutettiin teemahaastatteluin. Tutkimusta varten haasteltiin kolmea hotellialan vastuullisuuden asiantuntijaa eri hotelliketjuista. Asiantuntijat olivat hotelliketjun markkinointipäällikkö, markkinointiassistentti ja Brand Manager. Haastattelut toteutettiin loka-marraskuussa 2011 ja työ valmistui helmikuussa 2012.\n\nTutkimustulosten mukaan vastuullisen liiketoiminnan motiiveja ovat sidosryhmien odotukset, vastuullisuuden tuoma lisäarvo yrityksille ja asiakkaille sekä yrityksen maineen ylläpitäminen. Sidosryhmien odotuksia ei kuitenkaan haastatteluiden perusteella ole etukäteen selvitetty. Tutkimuksen tuloksista käy ilmi, että vastuullinen liiketoiminta ei ole yhtenäistä edes kaikkien ketjujen sisällä. Asiantuntijat uskovat, että hotellialalla vain vastuullisuuden edelläkävijöillä on kilpailuetumahdollisuus.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.075 | 0.021 |
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".