MétaCan
Menu
Retour à la cohorte
Enregistrement W4378981618 · doi:10.1287/mnsc.2023.4808

Work Style Diversity and Diffusion Within and Across Organizations: Evidence from Soviet-Style Hockey

2023· article· en· W4378981618 sur OpenAlexaff
Francesco Amodio, Sam Hoey, Jeremy Schneider

Notice bibliographique

RevueManagement Science · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCulture, Economy, and Development Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésLeagueStyle (visual arts)Diversity (politics)IndividualismPsychologyWork (physics)Demographic economicsPolitical scienceSociologyHistoryLawEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

Does the arrival of culturally diverse workers affect the work style of incumbent workers? We examine how the large influx of Russian hockey players in the National Hockey League after 1989 affected North American–born players. The Soviet style of hockey was largely based on skilled skating, constant movement, circling, and passing. In contrast, the North American play was more individualistic and linear, with higher emphasis on physical strength and aggressive behavior. Using 50 years of data at the player-game level, we show that (i) the number of penalty minutes per game increases steadily from 1970 to 1989, but decreases thereafter; (ii) although Russian players get systematically fewer penalty minutes in and after 1989, the trend reversal is driven by North American–born players; and (iii) the number of penalty minutes per game of North American–born players decreases systematically with the number of Russian players on their team and on the opposing team. Evidence shows that the hockey style brought about by Russian players was adopted and diffused within and across North American teams and players. This paper was accepted by Lamar Pierce, organizations. Supplemental Material: Data and the online appendix are available at https://doi.org/10.1287/mnsc.2023.4808 .

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 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 enseignants0,080
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0070,001
Communication savante0,0000,001
Science ouverte0,0000,003
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 Opus0,041
Tête enseignante GPT0,293
Écart entre enseignants0,253 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetCulture, Economy, and Development StudiesTravaux en français237 207