Prismatic Trust: How Structural and Behavioral Signals in Networks Explain Trust Accumulation
Notice bibliographique
Résumé
The predominant focus of the organizational literature on trust has been on direct interactions between actors. Whereas this emphasis has solidified our understanding of the dyadic foundations of trust, we know relatively little about the mechanisms of trust creation in network contexts. In this paper, we introduce the network mechanism of prismatic trust to explain why some actors are more trusted than others. Specifically, we posit that networks act as prisms that generate signals of trustworthiness based on not only actors’ positions in the social structure, but also their networking behavior. Moreover, we also theorize that the combination of signals from network structure and behavior amplifies trust accumulation in network actors. We test our predictions using data from an online social trading platform with more than 28,000 traders across 38 weeks. We find that traders who occupy positions of higher status in the network and those who express positive sentiments in the content of their communications (networking behaviors), accumulate more trustors. Furthermore, the positive effects of network status and the expression of positive sentiments on trust accumulation are mutually reinforcing. In sum, we contribute to the organizational literature on trust by proposing the role of a prismatic view in explaining how trust accumulates in network actors as a function of their position in social structure, their networking behavior, and a combination of the two. This paper was accepted by Isabel Fernandez-Mateo, organizations. Supplemental Material: The online appendix and data files are available at https://doi.org/10.1287/mnsc.2021.02810 .
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».