Private firms’ portfolio expansion responses to (in)consistent performance feedback
Notice bibliographique
Résumé
Purpose Performance feedback can be constructed using firms’ own (historical) performance, or the performance of peers (social). Those two types of performance feedback can be consistent (both positive, both negative) or inconsistent (one positive, the other negative). The research on the impact of consistent versus inconsistent feedback has been inconclusive, suggesting that inconsistent feedback might lead to more intense or less intense responses, or no response. In this paper, we theorize and test how firms respond to (in)consistent performance feedback. Design/methodology/approach We test our hypotheses on a longitudinal sample of 2,819 private, high-growth firms in the US with 6,688 observations between the years 2007 and 2016. Our dataset comprises 25 different industries. We use topic modeling on textual data from firms’ web pages to capture portfolio expansion. Findings We find that consistent negative performance feedback strengthens portfolio expansion, but consistent positive feedback does not influence portfolio expansion. We also find that inconsistent performance feedback weakens portfolio expansion, but only with negative historical feedback and positive social feedback. Originality/value We contribute to the Behavioral Theory of the Firm by improving our understanding of mechanisms of feedback configurations. Specifically, we elaborate on the role of (in)consistent social feedback when firms respond to historical performance feedback. We also contribute to the theory by better understanding private firms’ responses to performance feedback.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».