Restoring social legitimacy: discursive strategies used by a pharmaceutical industry leader
Notice bibliographique
Résumé
Purpose The aim of this paper is to understand discursive strategies used by organizations to restore their fading legitimacy. This longitudinal case study is built around two events representing a threat to the legitimacy of the pharmaceutical industry. This study describes some subtle techniques employed to restore legitimacy during those difficult periods. Design/methodology/approach This research analyzes the president's letter of the annual report using semiotic tools designed to catch the essence and goals of the narrative sections. This case study covers 20 of Pfizer most recent annual reports (1988‐2007). Findings The paper suggests that some narrative sections are built to protect legitimacy on two fronts. Most of the time, the discourse maintains legitimacy in front of the salient stakeholder by presenting the firm's main “object of desire” as the enhancement of shareholder's value. In a period of crisis, the narratives are built to restore legitimacy in the eyes of the general public. To do so, they substitute a screen object (related to the theme of the crisis) as the goal of the companies' action. Research limitations/implications The annual report appears as a selling document, discussing “political issues” rather than economic rendition of accounts. However, it is impossible to expose the controversies here, and it is not the purpose of the paper. Originality/value The paper brings together multiple elements of narrative sections to show how pharmaceutical firms built their discourse to restore legitimacy by adapting their defensive texts to specific screen objects as a response to a crisis.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».