MétaCan
Menu
Retour à la cohorte
Enregistrement W4401533526 · doi:10.1287/orsc.2022.16837

Interim CEO Successions: Implications for CEO Successor Selection and Subsequent Firm Performance

2024· article· en· W4401533526 sur OpenAlexaff
Robert Langan, TIll Nicolas Deuschel

Notice bibliographique

RevueOrganization Science · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePrivate Equity and Venture Capital
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésSuccessor cardinalInterimBusinessSelection (genetic algorithm)Industrial organizationPolitical scienceComputer scienceArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

Prior research highlights that interim CEO successions are disruptive for firms. Yet boards appoint interim CEOs in order to focus on finding the right person to take over permanently, suggesting they may offer benefits to CEO selection. Considering these two views, this paper compares the firm performance of CEOs appointed following an interim period with that of CEOs appointed in a direct succession. We argue that, owing to the disruption caused by the interim appointment, firm performance under a CEO appointed following an interim period will be poorer than under a CEO appointed in a direct succession. However, we posit that, in circumstances in which obtaining and processing the information relevant to CEO selection is more difficult, the interim period may be particularly helpful in selecting the most fitting successor and ultimately weakening the associated performance penalty. Using a sample of CEO successions that occurred in S&P 1500 firms between the years 2002 and 2016, we find general support for our hypotheses. This paper, thus, demonstrates that the subsequent performance consequences of appointing an interim CEO depends on the difficulty of selecting the firm’s next permanent CEO. Funding: We gratefully acknowledge financial support from the Spanish FEDER/Ministerio de Ciencia e Innovacion – Agencia Estatal de Investigacion [Grant PID2021-123450OB-I00].

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,286
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrganization ScienceMême sujetPrivate Equity and Venture CapitalTravaux en français237 207