MétaCan
Menu
Retour à la cohorte
Enregistrement W2940165269 · doi:10.1177/0170840619835575

“Giant Toxic Lakes You Can See from Space”: A Theory of Multimodal Messages and Emotion in Legitimacy Work

2019· article· en· W2940165269 sur OpenAlexaff
Lianne Lefsrud, Heather Graves, Nelson Phillips

Notice bibliographique

RevueOrganization Studies · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésLegitimacyAppealSpace (punctuation)Process (computing)Work (physics)Focus (optics)CognitionSociologyPsychologySocial psychologyPublic relationsCognitive psychologyComputer sciencePolitical sciencePoliticsLaw

Résumé

récupéré en direct d'OpenAlex

Organizations need to appear legitimate to access resources. Thus, actors often carry out legitimacy work to shape others’ evaluation of something as “desirable, proper or appropriate.” Such research has tended to focus on the cognitive appeal of words. Recently, research has also emerged on the persuasiveness of images, especially for creating emotional appeals. We develop a process model to explain the role of multimodal messages—combining words and images—in legitimacy work. With this model, we aim to answer: Why do certain combinations of multimodal messages (words and images) more forcefully evoke emotion and more reliably capture recipients’ attention, motivate them to process those messages, and (re)evaluate the legitimacy of an organization, its activities, and/or its industry? We conclude by discussing theoretical extensions and connections to other methods such as institutional work and values work.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,641

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,013
Tête enseignante GPT0,214
Écart entre enseignants0,201 · 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

Citations71
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrganization StudiesMême sujetManagement and Organizational StudiesTravaux en français237 207