MétaCan
Menu
Retour à la cohorte
Enregistrement W2909013085 · doi:10.1177/0170840618814567

Community Influence Capacity on Firms: Lessons from the Peruvian Highlands

2019· article· en· W2909013085 sur OpenAlexaff
Daniel Arenas, Matthew Murphy, Kety Jáuregui

Notice bibliographique

RevueOrganization Studies · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésCentralityStakeholderPosition (finance)Interpretation (philosophy)BusinessResource (disambiguation)Control (management)Variance (accounting)Conceptual modelStakeholder theoryResource dependence theoryRelation (database)SociologyPublic relationsKnowledge managementEconomicsPolitical scienceMicroeconomicsManagementEpistemology

Résumé

récupéré en direct d'OpenAlex

While much research has studied corporate management of stakeholders, this research focuses on the capacity of stakeholders to influence firms. Using a grounded theory research design, we draw on a comparative analysis of the relations between two neighbouring communities in the Peruvian highlands and the mining project that affects them. Our analysis suggests that control of resources and structural configurations are insufficient for explaining divergent actions and influence capacity, and highlights the role played by factors that we refer to as community vigour and the community’s pool of knowledge. We argue that these factors explain a community’s ability to develop an informed and shared interpretation of the situation in relation to firms and, therefore, to identify and carry out actions that will be more likely to influence firms to the community’s satisfaction. Thus, community vigour and pool of knowledge are additional sources of influence capacity. These findings contribute to the literature on stakeholder influence by providing a conceptual model that explains variance in stakeholder influence capacity that theories of resource dependence, structural position or network centrality do not fully explain.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,039
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,043
Tête enseignante GPT0,252
Écart entre enseignants0,209 · 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.

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

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrganization StudiesMême sujetManagement and Organizational StudiesTravaux en français237 207