MétaCan
Menu
Retour à la cohorte
Enregistrement W4410721284 · doi:10.1111/jbfa.12879

Number Two Executives: Bottom‐Up Monitoring

2025· article· en· W4410721284 sur OpenAlexaff
Zhichuan Li

Notice bibliographique

RevueJournal of Business Finance &amp Accounting · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRisk Management in Financial Firms
Établissements canadiensWestern University
Organismes subventionnairesSaint Louis UniversityUniversity of WyomingUniversity of CincinnatiNorth Carolina State UniversityArizona State UniversityFudan UniversityVillanova University
Mots-clésGeologyBusiness

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This article empirically examines the role of a firm's second‐in‐command in monitoring the chief executive officer (CEO) from the bottom up to mitigate agency problems. Although CEOs have long been the focus, little research has addressed No. 2 executive. This study provides a comprehensive understanding of these top executives and their roles in bottom‐up monitoring. The results suggest that (1) bottom‐up monitoring by No. 2 executives enhances firm value, (2) the effect is stronger in firms with weak corporate governance or poor CEO incentive alignment, (3) the effect is weaker when No. 2 is promoted internally or lacks experience, and (4) such monitoring becomes more critical in the post‐Sarbanes–Oxley (SOX) regulatory environment. Further analysis reveals that bottom‐up monitoring creates firm value by fostering a more transparent information environment, increasing CEO turnover‐performance sensitivity, and reducing the CEO's ability to pursue the “quiet life,” but has no effect on “empire building.”

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 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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,493
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,006
Science ouverte0,0010,001
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 Opus0,018
Tête enseignante GPT0,273
Écart entre enseignants0,255 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business Finance &amp AccountingMême sujetRisk Management in Financial FirmsTravaux en français237 207