Impact des critères E-S-G sur la performance financière des entreprises de secteurs controversés
Bibliographic record
Abstract
Cette thèse examine la responsabilité sociale des entreprises (RSE) par les entreprises de secteurs controverses. Dans le premier chapitre, on évalue les stratégies en RSE pour 565 entreprises de secteurs controverses de 1991 à 2013 en estimant la relation compensatoire entre Irresponsabilité Sociale des Entreprises (ISE) et RSE. On montre que ces entreprises tendent à compenser pour leur ISE en s'engageant dans des domaines stratégiques de RSE tels que la protection de l'environnement et le respect des communautés locales avec un manque d'engagement dans d'autres activités telles la gouvernance d'entreprise. Dans le deuxième chapitre, on examine si l'engagement RSE de 499 entreprises de secteurs controverses est susceptible de diminuer leur risque financier. Nos résultats montrent qu'un engagement RSE stratégique réduit le risque idiosyncratique et total pour certaines industries controversées et que le manque d'engagement dans les activités de gouvernance augmente leur risque. Le troisième chapitre examine la divulgation sociétale en tant que mécanisme de reddition de comptes dans le contexte d'un incident environnemental majeur. L'étude de cas des stratégies RSE utilisées par l'entreprise Canadienne En bridge, durant sa réponse a l'incident de déversement de parole en 2010 révèle que ses rapports RSE sont souvent optimistes et ne réussissent pas a décrire son incapacité à faire face aux problèmes de sécurité ayant entrainé l'incident; et ont aussi sous-estime le volume du déversement et la difficulté du nettoyage, ainsi mettant en question l'effet des activités RSE compare à l'effet de facteurs contextuels dans la protection de l'entreprise durant la crise.
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 | 0.008 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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".