Avoiding Bad Press: Interpersonal Influence in Relations Between CEOs and Journalists and the Consequences for Press Reporting About Firms and Their Leadership
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this study we consider how and when interpersonal relations between chief executive officers (CEOs) and journalists can influence the content of journalists' reporting about corporate leaders and their firms. Specifically, we draw from the social psychological literature on interpersonal influence and social exchange to suggest (i) how the disclosure of relatively low corporate earnings may prompt the CEO to engage in ingratiatory behavior toward journalists, and (ii) how such behavior may be effective in prompting journalists to issue relatively positive reports about the CEO's firm. We also extend our theory to consider how relatively negative journalist reports may prompt CEOs to retaliate against individual journalists by limiting or cutting off communication with the offending journalist, and how such retaliation may deter other journalists from issuing negative reports about the firm in the future. We find support for our hypotheses in a unique data set that includes large-sample survey data on CEO–journalist relations. We discuss how our research contributes to the growing literature in organization theory and strategy on the social processes by which corporate leaders influence the behavior of information intermediaries and other external constituents toward their firms. Moreover, we suggest that an implication of our findings is that top executives can actively influence the reputation of their firms, as well as their own reputations as corporate leaders, by engaging in interpersonal influence processes toward journalists.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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