Identification des indicateurs de la performance extra-financière liée à la RSE par la méthode Delphi : Cas des entreprises minières de la Guinée
Bibliographic record
Abstract
Cet article identifie les indicateurs de performance extra-financière liée à la RSE dans le contexte des entreprises minières de la Guinée. Cette identification est essentielle pour l’évaluer et piloter la performance extra-financière des entreprises minières. Nous adoptons une posture épistémologique constructiviste avec un mode de raisonnement abductif en nous inscrivant dans une approche de co-construction des indicateurs basée sur la consultation des parties prenantes. Une première sélection d’indicateurs est effectuée sur la base de la littérature empirique et le référentiel de la Global Reporting Initiative (GRI) dédié au secteur minier. Les indicateurs retenus à l’issus de cette première sélection sont soumis à une étude empirique à l’aide de la méthode Delphi avec 32 participants, toutes les parties prenantes d’entreprises minières en Guinée telles que les employés, les membres d’ONG, les universitaires, les citoyens des zones minières et les autorités de régulation. Les données sont recueillies par le biais d’un lien Kobocollect et traitées avec le logiciel Excel et SPSS. La démarche adoptée a permis d’identifier 24 indicateurs de la performance extra-financière lié à la RSE (8 indicateurs économiques, 9 indicateurs sociaux et 7 indicateurs environnementaux) dans le contexte du secteur minier de la Guinée.
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 | 0.048 | 0.083 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".