How Inductive and Deductive Generalization Shape the Guilt-by-Association Phenomenon Among Firms: Theory and Evidence
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
This study advances and tests the notion that the phenomenon of guilt by association-- whereby innocent organizations are penalized due to their similarity to offending organizations-- is shaped by two distinct forms of generalization. We analyze how and why evaluators’ interpretative process following instances of corporate misconduct will likely include not only inductive generalization (rooted in similarity judgments and prototype-based categorization) but also deductive generalizing (rooted in evaluators’ theories and causal-based categorization). We highlight the role and relevance of this neglected distinction by extending guilt-by-association predictions to include two unique predictions based on deductive generalization. First, we posit a recipient effect: if an innocent organization falls under a negative stereotype that causally links the innocent firm with corporate misconduct, then that innocent firm will suffer a greater negative spillover effect, irrespective of its similarity to the offending firm. Second, we also posit a transmission effect: if the offending firm falls under the same negative stereotype, then the negative spillover effect to other similar firms will be lessened. We also analyze how media discourse can foster negative stereotypes, and thus amplify these two effects. We find support for our hypotheses in an analysis of stock market reactions to corporate misconduct for all U.S. and international firms using reverse mergers to gain publicly traded status in the United States. We discuss the implications of our theoretical perspective and empirical findings for research on corporate misconduct, guilt by association, and stock market prejudice.
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 | 0,001 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,000 | 0,001 |
| 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