Impression Management in Annual Report Narratives: The Case of the UK Private Finance Initiative
Notice bibliographique
Résumé
Purpose - The UK private finance initiative (PFI) public policy is heavily criticised. PFI contracts are highly profitable leading to incentives for PFI private-sector companies to support PFI public policy. This contested nature of PFIs requires legitimation by PFI private-sector companies, by means of impression management, in terms of the attention to and framing of PFI in PFI private-sector company annual reports. The paper aims to discuss this issue. Design/methodology/approach - PFI-related annual report narratives of three UK PFI private-sector companies, over seven years and across two periods of significant change in the development of the PFI public policy, are analysed using manual content analysis. Findings - Results suggest that PFI private-sector companies use impression management to legitimise during periods of uncertainty for PFI public policy, to alleviate concerns, to provide credibility for the policy and to legitimise the private sector’s own involvement in PFI. Research limitations/implications - While based on a sizeable database, the research is limited to the study of three PFI private-sector companies. Originality/value - The portrayal of public policy in annual report narratives has not been subject to prior research. The research demonstrates how managers of PFI private-sector companies present PFI narratives in support of public policy direction that, in turn, benefits PFI private-sector companies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,016 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».