MétaCan
Menu
Retour à la cohorte
Enregistrement W4385225084 · doi:10.5465/amproc.2023.11368abstract

Accountability Journalism and Corporate Illegality: An Application of Institutional Anomie Theory

2023· article· en· W4385225084 sur OpenAlexaff
Tony Jaehyun Choi, Kam Phung

Notice bibliographique

RevueAcademy of Management Proceedings · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMedia Influence and Politics
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésNewspaperAnomieAccountabilityCorporate governanceJournalismWrongdoingShareholderInstitutional theoryPublic relationsPolitical economyPolitical scienceBusinessSociologyAdvertisingLawSocial scienceFinance

Résumé

récupéré en direct d'OpenAlex

Research on the watchdog role of newspapers mainly analyzes the relationship between firm coverage by major newspapers and target firms’ engagement in wrongdoing or negative repercussions. Yet, the dwindling presence of newspapers amidst the past two decades illuminates a distinct need to examine differences observed in the macro-level media landscape. To this end, we advance research on the institutional determinants of corporate illegality by drawing on institutional anomie theory which highlights the role of non-economic institutions in balancing out excessive economic influences on illegality. Applying the key arguments of the theory to the behavior of firms from 29 countries, we first find that firms headquartered in countries with higher newspaper reach are less likely to engage in corporate illegality. Yet, such a pattern is less pronounced when a country is characterized by strong cultural pressure to succeed or the penetration of economic influences into newspapers. Firm-level shareholder orientation, however, did not mitigate the negative association between newspaper reach and illegality. Based on these results, we discuss the importance of analyzing macro-level media landscapes and related institutional conditions that compromise newspapers as social control agents.

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)0,003
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,434
Score d'incertitude au seuil0,277

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,069
Tête enseignante GPT0,354
Écart entre enseignants0,284 · 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'étudeThéorique ou conceptuel
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetMedia Influence and PoliticsTravaux en français237 207