MétaCan
Menu
Retour à la cohorte
Enregistrement W4223947867 · doi:10.1111/joms.12818

Have a Go or Lay Low? Predicting Firms’ Rhetorical Commitment versus Avoidance in Response to Polylithic Governmental Pressures

2022· article· en· W4223947867 sur OpenAlexaff
Jing Li, Jun Xia, Edward J. Zajac, Zhouyu Lin

Notice bibliographique

RevueJournal of Management Studies · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePolitical Influence and Corporate Strategies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésLegitimacyRhetorical questionPoliticsGovernment (linguistics)ContingencyPolitical economyEconomicsPublic economicsPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Abstract This study extends prior research on corporate political behaviour (CPB) and firms’ pursuit of political legitimacy in response to monolithic government pressures by developing and testing a framework for analysis of CPB in response to polylithic pressures. We suggest that traditional forms of CPB may be ill‐suited to polylithic governmental pressures, such as when firms need to navigate between conflicting home‐ and host‐country political worldviews and policies. We posit that in such complex political situations, firms will turn to a more subtle form of CPB (i.e., rhetorical commitment versus avoidance) as a hoped‐for solution to their international political legitimacy challenge. Our contingency perspective also highlights how geopolitical factors (i.e., whether governments of home and host countries are clearly aligned versus misaligned) will influence whether firms express their support for a home government’s foreign policy or avoid any such expression of support. We empirically test the predictive power of our framework by analysing how these political factors led Chinese firms to opt for rhetorical commitment versus rhetorical avoidance vis‐à‐vis the Chinese government’s Belt and Road Initiative (BRI). We conclude with a discussion of how our framework for analysis and our supportive findings can inform and extend research on CPB and political legitimacy.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,234
Score d'incertitude au seuil0,742

Scores Codex et Gemma par catégorie

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

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 Opus0,068
Tête enseignante GPT0,318
Écart entre enseignants0,250 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management StudiesMême sujetPolitical Influence and Corporate StrategiesTravaux en français237 207