MétaCan
Menu
Retour à la cohorte
Enregistrement W2865568397 · doi:10.5465/ambpp.2018.14303abstract

Social Activism and Corporate Nonmarket Performance: Evidence from Nuclear Power Generation

2018· article· en· W2865568397 sur OpenAlexaff
Adam Fremeth, Guy L. F. Holburn, Alessandro Piazza

Notice bibliographique

RevueAcademy of Management Proceedings · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRegulation and Compliance Studies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésNonmarket forcesLegislatureStakeholderIdeologyMobilizationPoliticsSocial movementPolitical economyPower (physics)Political sciencePublic relationsPublic administrationEconomicsMarket economyLaw

Résumé

récupéré en direct d'OpenAlex

In this paper, we theorize about nonmarket performance outcomes in contentious environments, i.e. in settings that are characterized by stakeholder disapproval targeting the firm and by social movement mobilization against its activities. More specifically, we posit that firms that are targeted by protests due to their involvement in stigmatized activities should experience worse nonmarket performance outcomes. This is because politicians–and by extension, regulators–depend on public consensus to stay in office, and as such they are especially sensitive to mobilization; for this reason, we argue that they will be less likely to behave favorably towards firms that are overtly opposed by activists in public arenas. We find support for this idea through a study of electric utilities that were involved in nuclear power generation in the United States between 1970 and 1995, using the approval of increased rates of return (ROR) by public utilities’ commissions (PUC) as a dependent variable. We also find this effect to be especially strong: 1) when there is ideological alignment between activists and regulatory bodies or between activists and the state’s legislative and executive bodies; 2) when the extent of involvement of the firm in controversial activities is greater; 3) when protests targeting the firm’s activities are better organized. We discuss the contributions of our results to the literature on nonmarket strategy and elaborate on their implications.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,783
Score d'incertitude au seuil0,595

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
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 Opus0,079
Tête enseignante GPT0,268
Écart entre enseignants0,189 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetRegulation and Compliance StudiesTravaux en français237 207