MétaCan
Menu
Retour à la cohorte
Enregistrement W4205691708 · doi:10.1287/stsc.2021.0150

Stepping into Ill-Fitting Shoes: Local Status Contrasts and Acquisitiveness of New CEOs

2022· article· en· W4205691708 sur OpenAlexaff
Rajiv Krishnan Kozhikode, Rekha Krishnan

Notice bibliographique

RevueStrategy Science · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)Position (finance)BusinessContrast (vision)AccountingPublic relationsPsychologyPolitical scienceFinanceComputer science

Résumé

récupéré en direct d'OpenAlex

This paper asks what motivates new chief executive officers (CEOs) to engage in an acquisition spree despite the considerable risk it entails to themselves and their firms. Building on status theory and performance feedback theory, we theorized that status distance between new CEOs and their predecessors explains the empire-building behavior of new CEOs early in their tenure. Because of the uncertainty surrounding a CEO’s quality early in the individual’s tenure, status serves as a signal of quality for the new CEO. Hence, CEOs had to rely on status signals to maintain or close the status gap between them and their predecessors. Drawing on performance feedback theory, we theorized that new CEOs’ status contrast relative to their predecessor influences their acquisitive behavior. Our examination of the acquisition behavior of 429 new CEOs of S&P 500 firms in the United States revealed that relatively low-status CEOs engaged in risk-taking to improve their status, but relatively high-status new CEOs engaged in risk-taking to maintain their lead. It also revealed that new CEOs changed their risk-taking behavior when direct evidence of their quality or that of their predecessors deviated from the underlying quality expectations indicated by their relative status position.

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)0,013
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,235
Écart entre enseignants0,218 · 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrategy ScienceMême sujetCorporate Finance and GovernanceTravaux en français237 207