Reputational judgments of foreign MNEs’ societal impact in frontier markets: the role of compatible, crossed, and conflicting signals
Notice bibliographique
Résumé
Abstract How do host country stakeholders evaluate foreign MNEs’ local impact? Although MNEs’ desire for a reputation for positive societal impact is well-established in the literature, much less is known about how to actually obtain one—especially in less developed frontier markets. In this inductive, qualitative study across seven countries in sub-Saharan Africa, we examine why host country stakeholders deem some foreign MNEs to have a better reputation for societal impact than others and how firms’ actions and attributes influence these stakeholder perceptions. Leveraging signaling theory, we identify three distinct types of signals (compatible, crossed, and conflicting) and three critical factors (benefit diffusion, empowerment, and hybrid solutions) that shape MNEs’ reputation for societal impact. We also shed light on the role of contextual factors at the country, industry, and community levels. In addition to these theoretical contributions, our study also yields practical implications for MNEs of including local stakeholders’ perspectives when crafting market and nonmarket strategies, fostering constructive communication between headquarters and subsidiaries as well as between expatriate and local actors, and finding ways of going beyond ‘fitting in’ to instead ‘stand out’ in order to gain a reputation for providing tangible and intangible forms of societal impact in frontier markets.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».