The Double Stigma Challenge: How Blocklisted \nColleges from Montreal are Surviving After Fraud Accusations in 2020
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.
Notice bibliographique
Résumé
This study investigates how organizations overcome stigmatization attributed to their disapproved activities and amplified by negative events. Through a comparative case study of two out of ten sanctioned colleges in Montreal, and, by comparing the ongoing trajectories of both these colleges in managing their stigmas, I’ve investigated the strategies they adopted in response to their main audiences in order to survive. Using various data sources, including press articles, government publications, public company information, and interviews, this study shows that colleges followed different strategies according to their stigma intensity. The college with high stigmatization intensity followed a stigma containment strategy, focusing on actions to strengthen relationships with their allies, the students and partner-employers, creating a virtuous cycle within this group. The college with low stigmatization intensity followed a destigmatization strategy, focusing on collective action with other colleges through the provincial and national private college associations. This was achieved by actions that were mainly political, aiming to change the stigmatizer's perspective, the government, in their favor. This work contributes to the literature on organizational stigma, as well as discussions on legitimacy and reputation. It explores how different intensities of stigmas demand different strategies for similar institutions and proposes understanding how core and event stigmas interact, intensifying or reducing each other. The study also contributes to managerial practice by explicating strategies that stigmatized organizations can use.
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 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle