MétaCan
Menu
Retour à la cohorte
Enregistrement W2143161865 · doi:10.1287/orsc.1100.0613

Legitimating Nascent Collective Identities: Coordinating Cultural Entrepreneurship

2011· article· en· W2143161865 sur OpenAlexafffund
Tyler Wry, Michael Lounsbury, Mary Ann Glynn

Notice bibliographique

RevueOrganization Science · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensNational Institute for NanotechnologyUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of AlbertaBoston College
Mots-clésCollective identityLegitimacyLegitimationIdentity (music)Organizational identityEntrepreneurshipSociologySocial identity theorySocial psychologyEpistemologyPolitical sciencePublic relationsSocial groupReputationPsychologySocial scienceLawAestheticsPolitics

Résumé

récupéré en direct d'OpenAlex

The concept of collective identity has gained prominence within organizational theory as researchers have studied how it consequentially shapes organizational behavior. However, much less attention has been paid to the question of how nascent collective identities become legitimated. Although it is conventionally argued that membership expansion leads to collective identity legitimacy, we draw on the notion of cultural entrepreneurship to argue that the relationship is more complex and is culturally mediated by the stories told by group members. We propose a theoretical framework about the conditions under which the collective identity of a nascent entrepreneurial group is more likely to be legitimated. Specifically, we posit that legitimacy is more likely to be achieved when members articulate a clear defining collective identity story that identifies the group's orienting purpose and core practices. Although membership expansion can undermine legitimation by introducing discrepant actors and practices to a collective identity, this potential downside is mitigated by growth stories, which help to coordinate expansion. Finally, we theorize how processes associated with collective identity membership expansion might affect the evolution of defining collective identity stories.

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)0,009
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,035
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,011
Communication savante0,0080,009
Science ouverte0,0010,011
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,037
Tête enseignante GPT0,232
Écart entre enseignants0,196 · 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'étudeSans objet
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

Citations498
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOrganization ScienceMême sujetManagement and Organizational StudiesTravaux en français237 207