Network Referrals and Self-Presentation in the High-Tech Labor Market
Notice bibliographique
Résumé
The practice of recruiting job candidates sourced through social contacts (i.e., referrals) is pervasive in the labor market. One reason employers prefer to recruit through referrals is that these candidates often present resumes that are perceived to be a better fit for the role. Whereas existing research attributes this pattern to how individuals who make referrals (i.e., referrers) select individuals to refer, we propose a new mechanism: differences in self-presentation. We argue that referral ties increase the candidates’ propensity to engage in self-presentation work, motivating and assisting candidates in presenting their backgrounds to convey fit. We examine this claim by utilizing unique data from an applicant-tracking system containing job applications for positions at U.S.-based high-tech firms between 2008 and 2012. A candidate fixed-effects specification reveals that when a candidate applies to a firm via a referral, he or she tends to showcase a rendition of his or her career history that better matches the target job than when the candidate pursues positions without such ties. Several mechanism checks, combined with supplementary survey evidence, further indicate that the presence of referral ties to the target firm is associated with greater motivation to engage in self-presentation work as well as the provision of different forms of assistance in that work. Supplemental Material: The e-companion is available at https://doi.org/10.1287/orsc.2022.16674 .
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 | 0,005 | 0,019 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 ».