Les groupes de réputation dans l'industrie canadienne des fonds communs de placement
Bibliographic record
Abstract
La réputation d'une firme découle de ses actions passées, et est également affectée par les actions d'autres firmes selon que celles-ci sont considérées similaires ou différentes. Ces interdépendances de réputation découlent des processus cognitifs utilisés par les individus qui, étant donné leurs limites cognitives, catégorisent les firmes et, de ce fait, leur attribuent une réputation collective. Cette recherche a pour objectif de mieux comprendre quels sont les attributs des firmes qui sont utilisés par un auditoire pour catégoriser les firmes. A l'aide de la théorie de la réputation, de la théorie de l'identité des firmes et des principes de catégorisation, j'ai tenté dans cette recherche d'identifier les attributs utilisés par les consommateurs pour catégoriser les firmes dans le contexte du scandale Norbourg qui a touché l'industrie canadienne des fonds communs de placement en 2005. Une enquête auprès des consommateurs de fonds communs de placement a permis de valider que les sept attributs identifiés a priori dans la littérature sur la réputation, soit l'âge, la taille, la visibilité, le type d'organisation, le caractère public, le lieu de résidence et le degré de spécialisation, jouent un rôle clé dans la réputation des firmes. L'analyse typologique fondée sur ces sept attributs a permis d'identifier trois groupes au sein de cette industrie, soit les grands distributeurs, les grands spécialistes et les petits distributeurs et spécialistes. Dans le contexte du scandale Norbourg, les principales hypothèses quant à l'impact du scandale sur la performance de chacun des groupes sont supportées. Ainsi, l'hypothèse à l'effet que le groupe de firmes le plus semblable à Norbourg, les petits distributeurs et spécialistes, ait été affecté négativement par le scandale est supportée. De même, les hypothèses à l'effet que les grands distributeurs aient connu une meilleure performance que les petits distributeurs et spécialistes suite au scandale, et celle voulant que les grands spécialistes aient également connu une meilleure performance que les petits distributeurs et spécialistes suite au scandale, sont toutes les deux supportées. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : groupes de réputation, catégorisation, scandale Norbourg, attributs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".