MétaCan
Menu
Retour à la cohorte
Enregistrement W4407935352 · doi:10.1177/00018392251320898

When Breaking the Law Gets You the Job: Evidence from the Electronic Dance Music Community

2025· article· en· W4407935352 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAdministrative Science Quarterly · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensMcGill University
Organismes subventionnairesLondon School of Economics and Political Science
Mots-clésDanceAction (physics)Electronic dance musicPublic relationsQuality (philosophy)PsychologySociologyCollective actionLawPolitical scienceVisual artsArt

Résumé

récupéré en direct d'OpenAlex

Why would a law-abiding occupational community support members engaged in legally prohibited actions? We propose that lawbreaking can elicit informal support when it is construed as a disinterested action—intended to serve the community rather than the perpetrator. We study how illegal remixing (“bootlegging”) affects an artist’s ability to secure opening act and other performance opportunities in the electronic dance music (EDM) community, whose members endorse the substance of copyright law but whose norms about bootlegging are ambiguous. Data on 38,784 disc jockeys (DJs) across 97 countries over 10 years reveal that producing bootlegs is associated with more opportunities to perform, compared to producing official remixes or original music. This effect disappears when community members view bootlegging as a self-serving action—primarily designed to benefit the perpetrator. An online experiment and an expert survey rule out the possibility that bootlegs are considered more creative, of higher quality, or better able to attract attention. We shed additional light on our proposed mechanism by analyzing data from 34 interviews with EDM professionals. This helps us to explain how a lawbreaker can paradoxically be perceived as serving the community, thereby eliciting active community support for their action.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,359
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0110,006
Communication savante0,0010,001
Science ouverte0,0030,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,101
Tête enseignante GPT0,363
Écart entre enseignants0,262 · 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