MétaCan
Menu
Retour à la cohorte
Enregistrement W4221094004 · doi:10.1177/01492063211070274

On the Role of Institutional Logics in Legitimacy Evaluations: The Effects of Pricing and CSR Signals on Organizational Legitimacy

2022· article· en· W4221094004 sur OpenAlexafffund
Alex Bitektine, Fei Song

Notice bibliographique

RevueJournal of Management · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensToronto Metropolitan UniversityConcordia University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCorporate social responsibilityLegitimacyInstitutional logicBusinessInstitutional theoryService-dominant logicProduct (mathematics)Service (business)MicroeconomicsPublic relationsMarketingEconomicsSociologyPolitical scienceManagement

Résumé

récupéré en direct d'OpenAlex

The relationship between institutional logics and organizational legitimacy remains largely unaddressed in organizational theory and management research. We explore how individual evaluators primed with a particular institutional logic react to organizational signals sent by a firm's product/service pricing and by its engagement in corporate social responsibility (CSR) activities. In three experimental studies, we identify how the activation of a market logic or a family logic in evaluators' minds moderates the effect of pricing and CSR engagement signals on their judgments of legitimacy of a firm, as well as on their behavioral intentions. An unexpected finding from our study was that, while participants primed with the family logic reacted positively to a CSR engagement signal sent by the firm but remained indifferent to a market-based premium-pricing signal, those primed with the market logic reacted positively to both premium-pricing and CSR engagement signals, suggesting that CSR engagement forms part of their understanding of the market logic.

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)0,010
score de la tête « metaresearch » (Gemma)0,046
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 enseignants0,010
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,046
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,006
Communication savante0,0040,004
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,011
Tête enseignante GPT0,225
Écart entre enseignants0,214 · 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

Citations76
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of ManagementMême sujetManagement and Organizational StudiesTravaux en français237 207