My Presidency of the Academy of Management: Moral Responsibility, Leadership, Governance, Organizational Change, and Strategy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
I was the President of the Academy of Management (AOM) in 2016-2017 when U.S. President Donald Trump issued an Executive Order banning immigration and travel to the United States by citizens of seven predominantly Muslim countries (EO13769). While I immediately sought to condemn EO13769 as immoral and as a threat to the AOM, I was only able to issue a condemnation in my own name and not in the name of the AOM because the Board’s Executive Committee correctly determined that a condemnation would have violated the AOM Constitution. This put me in the untenable position of leading an organization operating under principles that conflicted with my personal beliefs about an immoral act of government. The article is a case study on this situation. In it, I explain how EO13769 and other attacks on science threaten the purpose and functioning of the AOM. The case explores a relatively understudied aspect of leadership: the identity of an organization as distinct from the identity of its leader. It also underscores the importance of strengthening democratic institutions of science. I argue that the issuance of statements of condemnation—while important—does not exhaust our responsibilities in society as scholars for investigating, reporting, defending, and protecting the truth about what is going on in the world around us. I conclude by calling us to redouble our commitment to a defining purpose of the AOM, which is to support the scholarship necessary to overcome polarizing politicization of complex social issues.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle