MétaCan
Menu
Retour à la cohorte
Enregistrement W2572602801 · doi:10.1177/1056492616689303

Moral Accounting by Organizations: A Process Study of the U.S. Financial Crisis Inquiry Commission

2017· article· en· W2572602801 sur OpenAlexaff
Chad Murphy, Shubha Patvardhan, Joel Gehman

Notice bibliographique

RevueJournal of Management Inquiry · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésWrongdoingAccountabilityMoralityCommissionRhetorical questionAccountingSituational ethicsNarrativeProcess (computing)SociologyLaw and economicsPolitical scienceEconomicsPublic relationsLaw

Résumé

récupéré en direct d'OpenAlex

We take an inductive approach to understanding the aftermath of crises, namely, the process by which organizations come to be viewed as morally accountable (or not) for such events. We studied the transcripts of the 2009 Financial Crisis Inquiry Commission (FCIC) that investigated the global financial crisis of 2007-2008. Our findings revealed a dynamic we call moral accounting, a process whereby supposed wrongdoers encounter narrative and situational constraints that make it difficult, if not impossible, to fully account for the (im)morality of their actions, a position that often induces moments of disorientation that only reinforce the perception of wrongdoing. To push back against such perceptions, supposed wrongdoers use rhetorical strategies and sentence-level linguistic tactics, which can likewise reinforce the perception of wrongdoing. Overall, our model suggests that organizational moral accountability is not simply assigned, accepted, or denied—rather, it is negotiated via an iterative, discursive process.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,349
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,033
Tête enseignante GPT0,282
Écart entre enseignants0,248 · 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 tête enseignante, 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

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management InquiryMême sujetManagement and Organizational StudiesTravaux en français237 207