From Attention to Activism: Demystifying Corporate Engagement in Digital Issue Arenas
Notice bibliographique
Résumé
Corporations increasingly face pressure to participate in sociopolitical discourse, yet their engagement patterns in corporate activism remain theoretically underexplained in the existing scholarship. In this study, we try to inductively build a theoretical explanation for the observed pattern of corporate activism using the theoretical lexicon of issue arenas and digital trace data from multiple sources. Using a computationally intensive theory construction (CITC) approach, the study analyzes digital traces from Wikipedia pageviews, Google search trends, and corporate Twitter posts (23,460 tweets from S&P 500 companies, 2015–2021). Conceptualizing digital spaces as issue arenas, the study introduces the concept of digitally enabled corporate activism (DECA). Then, first building qualitative-exploratory evidence for the interplay between collective public attention and DECA and subsequently employing quantitative analysis through Vector Autoregression (VAR) and Necessary Condition Analysis (NCA), the study establishes collective public attention to be a necessary trigger for DECA. Lastly, we strive to inductively theorize about the mechanism that connects collection attention to corporate activism by drawing from the theoretical foundation of social license and corporate legitimacy. The study contributes to the discourse on corporate activism and the IS scholarship focusing on corporate use of digital space for non-business activities.
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 | 0,000 |
| 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 | 0,000 | 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 ».