MétaCan
Menu
Retour à la cohorte
Enregistrement W4303437248 · doi:10.7202/1092014ar

Expressive Voting and Irrational Outcomes in Corporate Elections

2022· article· en· W4303437248 sur OpenAlexvenueno aff
Bryce C. Tingle

Notice bibliographique

RevueMcGill Law Journal · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVotingShareholderCorporate governanceVoting trustDisapproval votingValue (mathematics)PoliticsLaw and economicsEconomicsBusinessPolitical scienceAccountingLawFinance

Résumé

récupéré en direct d'OpenAlex

Over the past three decades, shareholders have steadily been provided with greater voting power over corporate decisions. A great academic debate has arisen about the character and outcomes of the shareholder franchise. All parties to this debate start with the assumption that shareholders will vote rationally, and generally in their economic interests. There is a large empirical literature in political science, however, that finds that where the marginal value of a vote is low, information is processed and votes cast on the basis of strongly held prejudices, tribal loyalty, mood-affiliation, and a desire to flatter the voter’s self-image. In other words, the voter behaves irrationally from the standpoint of the real-world impact of their vote. This article reviews the empirical literature around shareholder voting to show that irrational voting characterizes the corporate franchise as well. Shareholders give their voting rights almost no value and their voting patterns do not reflect the economic performance of the company. Moreover, shareholders vote in ways that contradict their economic views (measured by looking at their trading decisions), and their voting is primarily driven by empirically questionable and deliberately ineffective corporate governance practices. Fortunately, the empirical political science literature provides some direction for reforming the corporate franchise.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,353
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,029
Tête enseignante GPT0,216
Écart entre enseignants0,186 · 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.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMcGill Law JournalMême sujetCorporate Finance and GovernanceTravaux en français237 207