MétaCan
Menu
Retour à la cohorte
Enregistrement W3161811739

Moral Accounting by Organizations: A Process Study of the U.S. Financial Crisis Inquiry Commission

2016· article· en· W3161811739 sur OpenAlexaff
Chad Murphy, Shubha Patvardhan, Joel Gehman

Notice bibliographique

RevueSSRN Electronic Journal · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésWrongdoingAccountabilityCommissionMoralityAccountingPolitical scienceRhetorical questionNarrativeSituational ethicsProcess (computing)Financial crisisLaw and economicsPerceptionPublic relationsBusinessEpistemologySociologyEconomicsLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We take an inductive approach to understanding the aftermath of crises, namely, the process by which organizations come to be viewed as morally accountable (or not) for such events. We studied the transcripts of the 2009 Financial Crisis Inquiry Commission (FCIC) that investigated the global financial crisis of 2007-2008. Our findings revealed a dynamic we call moral accounting, a process whereby supposed wrongdoers encounter narrative and situational constraints that make it difficult, if not impossible, to fully account for the (im)morality of their actions, a position that often induces moments of disorientation that only reinforce the perception of wrongdoing. To push back against such perceptions, supposed wrongdoers use rhetorical strategies and sentence-level linguistic tactics, which can likewise reinforce the perception of wrongdoing. Overall our model suggests that organizational moral accountability is not simply assigned, accepted, or denied — rather, it is negotiated via an iterative, discursive process.

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)0,024
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,055
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0120,013
Communication savante0,0100,008
Science ouverte0,0010,007
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,074
Tête enseignante GPT0,386
Écart entre enseignants0,312 · 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'étudeQualitatif
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetEthics in Business and EducationTravaux en français237 207