MétaCan
Menu
← Retour à la cohorte
Enregistrement W2765512686 · doi:10.5465/ambpp.2016.14559abstract

The ‘Matthew Effect’ in Strategic Decision-Making: How CEO Status Affects Investment Decisions

2016· article· en· W2765512686 sur OpenAlexaff
Russell Fralich, Alex Bitektine

Notice bibliographique

RevueAcademy of Management Proceedings · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésBlameInvestment (military)BusinessInvestment decisionsEquity (law)Sample (material)Affect (linguistics)Investment bankingFinanceActuarial sciencePolitical scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

A failure of a large corporate investment project launched by a CEO may affect not only CEO’s bonus and equity holdings, but also personal status and future career prospects. Yet, Merton’s (1968) “Matthew effect” would suggest that the risks and benefits associated with risky investment projects may be different for CEOs of different status. High-status CEOs are better able to decouple their status from firm’s performance failure and are in a better position to claim credit for firm’s successes. On the other hand, since third parties have greater reluctance to accept quality claims of low-status actors, lower status CEOs might not receive a commensurate credit for the success of a project, but might be exposed to a disproportionate amount of blame in case of project failure. Since actors are usually aware of the presence of the Matthew effect in their field, we can expect that the differential outcomes produced by it will be factored into actors’ expected utility calculations, affecting CEOs’ attitudes to risk and visibility of their investment prospects. The findings from a 19-year sample of U.S.-based cellular telephone operators provide support for the theorized relationship between the Matthew effect and CEOs’ investment choices.

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)0,006
score de la tête « metaresearch » (Gemma)0,033
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 enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,023
Tête enseignante GPT0,249
Écart entre enseignants0,226 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management Proceedings→Même sujetCorporate Finance and Governance→Travaux en français237 207→