MétaCan
Menu
Retour à la cohorte
Enregistrement W1586384635 · doi:10.1111/j.1467-6486.2009.00896.x

Family and Lone Founder Ownership and Strategic Behaviour: Social Context, Identity, and Institutional Logics

2009· article· en· W1586384635 sur OpenAlexafffund
Danny Miller, Isabelle Le Breton‐Miller, Richard H. Lester

Notice bibliographique

RevueJournal of Management Studies · 2009
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFamily Business Performance and Succession
Établissements canadiensUniversity of AlbertaHEC Montréal
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésAgency (philosophy)Context (archaeology)Identity (music)Principal–agent problemSociologySet (abstract data type)BusinessPublic relationsMarketingEconomicsCorporate governanceManagementPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

There is controversy in the literature about the effects of ownership on strategy and performance. Some scholars have taken agency explanations as definitive, arguing that closely held firms outperform. Empirical studies, however, show conflicting findings for firms with concentrated ownership: lone founder firms outperform, family firms do not. Such conflicts may be due to the failure of agency theory to distinguish between the social contexts of these different types of owners. We argue that explanations of performance must take into account not simply ownership, but who are the owners or executives and how their social contexts may influence their strategic priorities. Family owners and CEOs, influenced by family stakeholders in the business, are argued to assume the role identities and logics of family nurturers and thus strategies of conservation. By contrast, lone founders, influenced by a wider set of market-oriented stakeholders, are argued to embrace the identities and logics of entrepreneurs and strategies of growth. Family founders and founder-executives are held to blend both orientations. These notions are supported in a study of Fortune 1000 companies.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,003
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,117
Tête enseignante GPT0,315
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations636
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Management StudiesMême sujetFamily Business Performance and SuccessionTravaux en français237 207