To talk or not?: An analysis of firm‐initiated social media communication's impact on firm value preservation during a massive disruption across multiple firms and industries
Notice bibliographique
Résumé
Abstract We examine the role of firm‐initiated social media communication using Twitter in mitigating the negative impact of large‐scale disruptions, such as the Covid‐19 pandemic, on the shareholder value of firms. We develop our hypotheses using signaling theory and test them using data collected from Twitter and Bloomberg®. Our data set consists of 121,988 firm‐generated tweets from 467 S&P 500 firms collected in March 2020 at the time of the lockdown announcement in the United States. We find that frequent and relevant communication reduces latency and increases the observability of messages, preserving a firm's shareholder value. We also find that a positive outlook and extent of interest from stakeholders results in preserving shareholder value. On average, firms lost about 1.08% of their market value per day (about 9.72% during the 9‐day period around the lockdown announcement). Our study contributes to the extant literature in three ways: (1) adds to the literature on disruptions–shareholder value by considering large‐scale disruptions such as the Covid‐19 pandemic, (2) highlights informational and communication elements of risk management strategy, and (3) adds to the growing body of literature on Twitter by considering firm‐generated tweets. The results of our study are of importance to managers as well. For instance, firms tweeted about 57 times per week, and each additional tweet could preserve about $5.85 million of a firm's market valuation, on average. Also, it is not enough that the firms took appropriate actions during a large‐scale disruption; they also need to communicate their actions and its implications to their stakeholders effectively. These results can help managers devise their Twitter communication strategy during large‐scale disruptions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».