Go big or go home: do narcissistic CEOs pursue affordable loss behaviors?
Notice bibliographique
Résumé
Purpose The affordable loss (AL) heuristic, as one crucial sub-dimension of effectuation, delineates the maximum level of investment entrepreneurs are ready to lose in a worst-case scenario. Conflicting conceptualizations remain regarding whether entrepreneurs’ psychological traits matter for AL. Based on the narcissistic admiration and narcissistic rivalry perspective, this study investigates the relationship between chief executive officer (CEO) narcissism and AL behaviors. Design/methodology/approach Using data collected from the CEOs and paired vice presidents at 122 small and medium enterprises (SMEs) in mainland China, the authors intend to further explore the association between psychological traits, especially CEO narcissism and AL behaviors under environment and resource constraints (e.g. perceived uncertainty and slack resources). Findings The findings show that CEO admiration-based narcissism is positively related to AL behaviors in the firm. Furthermore, when firms hold more slack resources, narcissistic admiration has a stronger positive association with AL; while when the environment becomes more uncertain, narcissistic admiration has a weaker positive association with AL. In contrast, CEO rivalry-based narcissism is negatively related to AL behaviors in the firm. When the environment becomes more uncertain, narcissistic rivalry has a stronger negative association with AL. Originality/value This article contributes to trait-based effectuation research and suggests that individual psychological traits affect AL behaviors at the firm level, though the patterns of the relationship vary with both the type of narcissism and contexts.
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 | 0,001 | 0,007 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».