Denunciation and resistance in post-crisis sensemaking
Notice bibliographique
Résumé
Many stakeholders require some form of post-crisis sensemaking to help them better understand what happened, and why. Through this lens, we review public inquiry oral evidence sessions with the incriminated company leaders from three major business failures in the UK. While the stated objective of these public inquiries was to ‘learn lessons’, we mobilize Harold Garfinkel’s writings on ceremonies of degradation to offer an alternative perspective. We identify and discuss the strategies employed by the denouncers intended to lower the targets’ identities in the social order. We find that the denouncers frequently rely on accounting-oriented challenges. Following this, we explore the company leaders’ responses as they attempt to resist the denunciation. We identify four key resistance strategies: reframing, recalibration, refocusing, and blame-shifting/-sharing. As part of their response, the denounced provide their own accounting-oriented counter-explanations, emphasising that their choices were consistent with professional norms. We discuss the implications of these findings and what they mean for the management and maintenance of social order in the wake of a financial scandal. Specifically, we point to the inherent ambiguity built into established accounting norms which become a key battleground in the fight for the preservation (or ritual destruction) of the target’s identity.
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 | 0,047 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,012 | 0,065 |
| Communication savante | 0,028 | 0,029 |
| Science ouverte | 0,003 | 0,017 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».