MétaCan
Menu
Retour à la cohorte
Enregistrement W3123354546 · doi:10.1177/0001839213500032

Keeping up Appearances

2013· article· en· W3123354546 sur OpenAlexaff
Mary‐Hunter McDonnell, Brayden G King

Notice bibliographique

RevueAdministrative Science Quarterly · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésBoycottProsocial behaviorReputationImpression managementRepertoireBusinessSocial psychologyPsychologyPublic relationsPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

This paper explores the extent to which firms targeted by consumer boycotts strategically react to defend their public image by using prosocial claims: expressions of the organization’s commitment to socially acceptable norms, beliefs, and activities. We argue that prosocial claims operate as an impression management tactic meant to protect targeted firms by diluting the negative media attention attracted by the boycott. We test our hypotheses using a sample of 221 boycotts announced between 1990 and 2005. Results suggest that boycotted firms do significantly increase their prosocial claims activity after a boycott is announced. Firms are likely to react with a larger increase in prosocial claims when the boycott is more threatening (it receives more media attention), when the firm has a higher reputation, or when the firm engaged in more prosocial claims before the boycott. We demonstrate that firms fall back on their established impression management strategies when they face a reputational threat and will increase these previously perfected performances as the threat increases. In this way, the severity of a threat positively moderates the relationship between a firm’s prior performance repertoire and future performance repertoire, a mechanism we refer to as “threat amplification.” When an organization with high reputational standing has bolstered its position by using prosocial claims in its past performance repertoire, however, it will perceive itself to be shielded from movement attacks, decreasing the likelihood of any defensive response, a mechanism we call “buffering.” Our findings contribute to impression management by exploring the use of impression management in response to a movement attack and highlighting the important role that a firm’s pre-threat positioning plays in its response to an image threat.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,172

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,001
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0520,013

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 Opus0,063
Tête enseignante GPT0,393
Écart entre enseignants0,330 · 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 source (Gemma direct ou Codex distillé), 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

Citations601
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdministrative Science QuarterlyMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207