Stigma and Legitimacy Loss: Professions, Social Judgments, and Symbols in Crime and Punishment
Notice bibliographique
Résumé
In this symposium we present five papers focused on how the judgments of external stakeholders affect the apportionment of the consequences of misconduct. The papers included attack the question in various settings and across levels of analysis, ranging from teachers’ personal comportment to members’ of Parliament misspending to corporate fraud. Yet each paper investigates how social control agents - including the media, institutional investors, stock analysts, and other audiences - draw inferences about the seriousness and severity of infractions, and how these inferences affect the punishments that are assigned to various actors involved. This symposium will generate conversation about both theoretical and empirical questions related to misconduct and ethics, stakeholder relationships, and governance. Pragmatic or Moral Legitimacy: Effect of Director Capabilities versus Nonprofit Ties on Punishment Presenter: Daphne Teh; INSEAD Repeat Offenders: How The Consequences of Firm Misconduct Abate Across Incidents Presenter: Celia Moore; London Business School Presenter: Aharon Yehuda Cohen Mohliver; London Business School Presenter: Jo-Ellen Pozner; Santa Clara U. The Process of Scandal Formation and the Role of Social Control Agents Presenter: Timothy R. Hannigan; U. of Alberta Presenter: James B. Wade; George Washington U. Presenter: Joseph Porac; New York U. The Professional Consequences of Misconduct Presenter: Jacob Model; Stanford U. Corporate Misconduct and Heterogeneity in the Reputational Penalties to Managers and Directors Presenter: Ivana Naumovska; INSEAD Presenter: Georg Wernicke; Copenhagen Business School
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 | 0,013 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».