1

PROGRAMA DE PÓS GRADUAÇÃO EM

ADMINISTRAÇÃO FURG

TRADUÇÃO LIVRE HARRISON, J. S.; THURGOOD G. R.; BOIVIE, S.; PFARRER, M. D. Measuring CEO personality: Developing, validating, and testing a linguistic tool. Strategic Management Journal. [accepcted article]. p. 1-27. 2019. 1 2 Título original: Measuring CEO personality: Developing, validating, and

testing a linguistic tool Autores: Joseph S. Harrison ; Gary R. Thurgood; Steven Boivie ;

Michael D. Pfarrer Ano: 2019 Tradução por: Errol Fernando Zepka Pereira Junior3

Medindo a personalidade do CEO: desenvolvendo, validando

e testando uma ferramenta lingüística

Palavras-chave: personalidade do CEO; Cinco grandes traços aprendizado de máquina em linguagem aberta ; mudança estratégica; o desempenho da empresa

Resumo da pesquisa: Apresentamos à literatura dos escalões superiores uma nova medida lingüística dos cinco principais traços de personalidade dos CEOs, que desenvolvemos e validamos especificamente usando uma amostra de CEOs. Em seguida, fornecemos um teste preditivo da medida aplicando-a a uma amostra de mais de 3.000 CEOs de empresas do S & P 1500 para explorar os efeitos diretos e interativos dos cinco traços de personalidade dos CEOs e o desempenho da empresa na mudança estratégica. Nossa medida validada e discreta das cinco principais características do CEO fornece uma base sólida para o desenvolvimento de teorias futuras sobre os efeitos de nível de empresa dos traços de personalidade dos CEOs. Nossas descobertas específicas também ampliam nossa compreensão de como a personalidade do CEO influencia a mudança no nível da empresa e como a pessoa e a situação fatores interagem para influenciar conjuntamente a estratégia da empresa.

Resumo Gerencial: Este documento apresenta uma ferramenta baseada em linguagem que desenvolvemos para medir os Cinco Grandes traços de personalidade (isto é, abertura, conscienciosidade, extroversão, amabilidade e neuroticismo) de mais de 3.000 CEOs de empresas S & P 1500. Depois de descrever nosso processo para desenvolver e validar a ferramenta, nós a testamos examinando como as cinco principais características dos CEOs influenciam a mudança estratégica, tanto isoladamente quanto em combinação com o desempenho recente da empresa. Nossos resultados sugerem que os traços de personalidade dos CEOs têm um impacto significativo na mudança estratégica, mas que a natureza desses efeitos difere com base no desempenho recente das empresas. Nossa ferramenta também fornece uma base sólida para estudiosos que buscam medir os traços de personalidade de grandes amostras de executivos de empresas públicas.

1 Este artigo foi aceito para publicação e passou por revisão completa, mas não passou pelo processo de edição de texto, editoração, paginação e revisão, o que pode levar a diferenças entre esta versão e a Versão do Registro. Por favor, cite este artigo como doi: 10.1002 / smj.3023 Este artigo está protegido por direitos autorais. Todos os direitos reservados. 2 https://doi.org/10.1002/smj.3023 3 zepkaef@gmail.com

2

Um desafio persistente para a pesquisa de altos executivos tem sido a habilidade limitada dos acadêmicos em obter medidas válidas e confiáveis dos traços de personalidade dos executivos. Como Hambrick (2007, p. 337) descreve, obter essas medidas é difícil porque “requer acesso muito intrusivo a um grande número de executivos (...) que não estão dispostos a se submeterem a investigações e investigações acadêmicas”. Esses desafios historicamente levaram os acadêmicos a se concentrarem nas características demográficas mais visíveis dos CEOs, em vez de examinar diretamente suas personalidades subjacentes (Carpenter, Geletkanycz & Sanders, 2004). No entanto, muitos levantaram preocupações bem fundamentadas relacionadas à validade dessa abordagem denominada “caixa negra”, afirmando que as proxies demográficas são muito grosseiras para avaliar adequadamente os construtos psicológicos mais sutis que eles pretendem medir (Colbert, Barrick, & Bradley, 2014; Hambrick, 2007).

Em resposta, alguns acadêmicos fizeram grandes esforços para obter medidas diretas dos traços de personalidade dos CEOs usando instrumentos validados. Esse trabalho empregou a estrutura da personalidade dos Cinco Grandes traços (Costa & McCrae, 1985), que emergiu como a taxonomia dominante para a compreensão do amplo conjunto de traços de personalidade dos indivíduos. Os cinco grandes traços consistem em abertura, conscienciosidade, extroversão, amabilidade e neuroticismo. Usando essa estrutura, os estudiosos descobriram que os CEOs' traços de personalidade influenciam os resultados afectivos e comportamentais, tais como os executivos organizacionais comportamentos compromisso e liderança (por exemplo, Colbert et al. , 2014; Peterson et al. , 2003), bem como os resultados organizacionais tais como mudança estratégica, flexibilidade e desempenho da empresa (por exemplo, Colbertet al. 2014; Herrmann e Nadkarni, 2014; Nadkarni e Herrmann, 2010). Ainda assim, os desafios associados ao levantamento de CEOs limitaram tanto o número quanto o tamanho das amostras desses estudos. Conhecemos apenas cinco estudos em grandes periódicos de administração e psicologia aplicada que avaliaram diretamente os cinco principais traços de personalidade dos CEOs usando instrumentos validados, e cada um deles foi limitado a uma amostra de menos de 200 CEOs4.

Como alternativa ao uso de medidas de pesquisa, alguns estudiosos recentemente tiraram proveito de avanços nas técnicas de análise de conteúdo para desenvolver medidas discretas das características psicológicas dos executivos que vão além das proxies demográficas. Pesquisadores utilizaram software de contagem de palavras para identificar palavras-chave em textos atribuídos a CEOs para medir atributos como narcisismo e extroversão (Chatterjee & Hambrick, 2007; Malhotra et al. , 2018) e focos regulatórios e temporais (Gamache et al. , 2015; Nadkarni e Chen, 2014). Mas uma deficiência crítica de grande parte desta pesquisa tem sido a incapacidade de validar diretamente essas medidas usando as informações existentes e instrumentos psicometricamente corretas.. Em vez disso, tendeu a confiar na validade aparente das medidas ou no uso de ferramentas de medição que não foram desenvolvidas ou validadas em uma amostra de CEOs. Além disso, este trabalho concentrou-se em

4 <do artigo> Uma tabela resumindo esses estudos, bem como um estudo adicional que examinou os efeitos no nível da empresa de apenas um dos cinco caracteres principais (isto é, extroversão), é fornecido no Apêndice 1.

3

atributos discretos de CEOs (por exemplo, arrogância ou narcisismo, Chatterjee & Hambrick, 2007; Tang, Mack e Chen, 2018), em vez de empregar estruturas de traços mais amplos, como os Big Five, que fornecem mais visão holística das personalidades gerais dos indivíduos. Avançar, desenvolver e validar medidas discretas do conjunto mais amplo de traços de personalidade dos CEOs é fundamental para construir uma teoria robusta e precisa relacionada à forma como as personalidades dos CEOs influenciam suas empresas.

Buscamos dar um passo importante nessa direção, introduzindo uma nova medida, baseada em linguagem , dos cinco traços de personalidade dos CEOs, que foram desenvolvidos e validados usando uma amostra de CEOs. Para isso, aplicamos algoritmos de aprendizado de máquina para treinar modelos estimando cada uma das cinco características principais de um subconjunto de CEOs das empresas S & P 1500 comparando transcrições de suas falas aos escores de personalidade que foram derivados anteriormente usando um instrumento validado psicometricamente. et al. , In press). Em seguida, aplicamos essa ferramenta a um conjunto muito maior de transcrições para medir cada um dos cinco principais traços de mais de 3.000 CEOs. Por fim, fornecemos um teste preditivo da medida, explorando como os cinco principais traços de personalidade dos CEOs influenciam a mudança estratégica nessas empresas, tanto isoladamente quanto em combinação com o desempenho da empresa.

Nosso estudo contribui para a estratégia e pesquisa dos escalões superiores de várias maneiras. Primeiro, desenvolvemos uma medida dos cinco principais traços de personalidade dos CEOs que contém os principais elementos necessários para estabelecer a validade de mensuração: desenvolver uma medida usando a linguagem de um contexto representativo, obtendo uma amostra representativa de indivíduos da população de interesse (isto é, CEOs) e comparar a medida baseada em linguagem com medidas validadas psicometricamente dos mesmos construtos da mesma amostra. Porque o nosso teste da medida examina um resultado semelhante a dois dos únicos estudos para medir diretamente os Cinco Grandes traços de personalidade dos CEOs (Herrmann & Nadkarni, 2014; Nadkarni & Herrmann, 2010), também nos permite fornecer evidência direta do critério relacionado (isto é, preditiva) validade de nossa medida (Schoenfeldt, 1984).

Em segundo lugar, como a primeira medida validada e discreta das cinco principais características dos CEOs, nosso método pode contribuir para o futuro desenvolvimento de teorias melhorando nossa capacidade de avaliar com precisão o amplo conjunto de traços de personalidade dos CEOs e permitindo-nos responder perguntas que não pudemos anteriormente.

Mais uma vez, o trabalho anterior nessa área concentrou-se em traços discretos de personalidade dos CEOs ou limitou-se a amostras muito pequenas. Uma compreensão mais profunda dos efeitos das personalidades dos CEOs e seu impacto em uma gama mais ampla de resultados estratégicos requer o uso de uma estrutura de características mais abrangente (Barrick, Mount, & Judge, 2001) e a capacidade de avaliar validamente as personalidades gerais dos CEOs. uma escala maior. Na seção de discussão, oferecemos ideias específicas para acadêmicos interessados em usar nossa ferramenta para desenvolver essa linha de pesquisa.

Finalmente, embora o objetivo principal deste estudo seja desenvolver e validar nossa medida, nosso teste da medida também contribui para a pesquisa que examinou

4

as ligações entre Cinco grandes traços dos CEOs e resultados relacionados à mudança (Herrmann & Nadkarni, 2014; Nadkarni & Herrmann, 2010). Estendemos essa pesquisa testando relações semelhantes em uma amostra muito maior de empresas de capital aberto sediadas nos EUA e considerando como esses relacionamentos podem variar com base na situação. Pesquisa em psicologia (Furr & Funder, no prelo) e de uma perspectiva dos escalões superiores (Gamache et al. , 2015; Mannor et al., 2016) sugere que as características do CEO e da situação devem interagir para determinar conjuntamente a ação estratégica. Assim, explorar como os Big Five dos CEOs e o desempenho da empresa se combinam para prever mudanças estratégicas não apenas estende pesquisas anteriores sobre mudanças estratégicas, mas também oferece uma base para pesquisas futuras para entender como os traços de personalidade e a situação interagem para predizer resultados em nível de empresa. .

UMA MEDIDA LINGUÍSTICA DE GRANDE ESCALA DE PERSONALIDADE

DO CEO

O uso da linguagem para avaliar a personalidade ou outros atributos psicológicos cresceu enormemente na última década, tanto na pesquisa em administração (Chatterjee & Hambrick, 2007; Gamache et al. , 2015; Nadkarni & Chen, 2014) quanto mais amplamente na psicologia (Mairesse et al. , 2007; Park et al. , 2015). A abordagem primária da maioria desses estudos baseados em linguagem é uma abordagem de linguagem fechada. Esta abordagem analisa um dado corpo de texto e tabula frequências de palavras a partir de dicionários pré-definidos de palavras ou agrupamentos de palavras, que foram identificados como sendo teoricamente relacionados com o construto de interesse.

A outra abordagem importante para o desenvolvimento de modelos baseados em linguagem é uma abordagem de linguagem aberta . Abordagens de linguagem aberta não usam palavras ou categorias predefinidas. Em vez disso, eles usam uma coleção mais abrangente dos recursos da linguagem que está sendo analisada, como a frequência com que o texto apresenta palavras únicas, sem categoria, comprimento de frase, frases com várias palavras e outros recursos. Conforme descrito por Park et al. (2015: 2): ―Porque esses recursos de linguagem não são identificados a priori, esses métodos podem acomodar neologismos e linguagem não convencional

Como tal, os métodos de linguagem aberta “ extraem características mais numerosas e mais ricas de uma amostra de linguagem” do que métodos de linguagem fechada . As ferramentas de linguagem aberta também exigem uma medida separada, validada psicometricamente, de um dado construto para um subconjunto de observações, a fim de treinar modelos de previsão. Isso reflete outro benefício em relação aos métodos de linguagem fechada porque aumenta a validade convergente potencial entre os escores preditos e os escores observados de um dado construto. À luz dessas vantagens, nós estendemos o trabalho passado introduzindo uma nova ferramenta de linguagem aberta que criamos e validamos especificamente para CEOs de empresas públicas dos EUA. Abaixo descrevemos os dados e o processo que usamos para desenvolver e validar nossa ferramenta.

5

Dados de texto

Desenvolvemos nossa ferramenta de medição usando dois conjuntos distintos de texto. O primeiro incluiu texto falado atribuído a 3.573 CEOs de empresas S & P 1500, extraídos de mais de 100.000 transcrições de chamadas de lucros retiradas do Full Disclosure (FD) da Lexis Nexis5. Geramos esse conjunto de dados identificando todos os alto-falantes exclusivos nos dados do FD Wire e usando o reclink e ustrdistcomandos no Stata 15 para identificar correspondências entre esses palestrantes e CEOs em ExecuComp, com base no nome e sobrenome dos indivíduos, o nome da empresa e o ano da chamada (ou seja, se ela coincidia com o mandato do CEO no ExecuComp). Em seguida, atribuímos todo o texto de um determinado palestrante nos dados do FD Wire ao CEO correspondente para criar o corpus de texto final. Em média, combinamos 6 transcrições distintas e cerca de 9.000 palavras no total para CEOs neste conjunto. Como detalhamos abaixo, usamos esse corpus para extrair e vetorizar recursos de linguagem relevantes, os quais aplicamos ao segundo corpus menor para treinar e validar nossa ferramenta de personalidade. Depois de treinar e validar a ferramenta, nós a aplicamos de volta ao corpus maior para criar a medida de personalidade do CEO que usamos no teste preditivo de nossa ferramenta.

O segundo corpus de texto que usamos para treinar nossa ferramenta incluiu texto falado de 207 CEOs para os quais obtivemos escores de personalidade ao longo das cinco principais características que foram derivadas anteriormente usando um instrumento validado psicometricamente (Hill et al. , In press)6. Para melhorar a precisão de nossos modelos durante o processo de treinamento, maximizamos o número de palavras por CEO para esse grupo menor, realizando buscas manuais nas chamadas FD Wire em que cada um dos 207 CEOs participou. Em média, encontramos 35 transcrições e um total de cerca de 75.000 palavras por CEO neste conjunto menor. Escores de personalidade para este grupo vieram de dados videométricos fornecidos por Hill et al.(No prelo). Três estudantes de doutorado em psicologia treinados classificaram cada um dos 207 CEOs usando o IPIP de 50 itens (Goldberg, 2000) e gravações em vídeo publicamente disponíveis. Os avaliadores eram cegos para os objetivos do estudo e passaram por treinamento de referência antes de completar suas avaliações, seguindo a abordagem descrita por Hill et al. (No impressão). As pontuações

5 <nota do artigo> Chamadas de resultados com analistas de equity fornecem um contexto útil para avaliar a personalidade do CEO porque, em relação a outras fontes de linguagem como cartas anuais de acionistas, palavras dos CEOs e respostas a analistas nessas chamadas são frequentemente ad hoc e mais propensos a serem seus próprios (Matsumoto, Pronk e Roelofsen, 2011). Além disso, embora seja possível que outros possam orientar o CEO antes da convocação, "as perguntas dos analistas de ações geralmente são diretas e não são facilmente antecipadas" (Malhotra et al. , 2018: 382). Assim, as chamadas de ganhos são mais propensas a refletir com precisão os traços de personalidade reais dos CEOs do que outras fontes publicamente disponíveis. 6<nota do artigo> Testes-T não revelaram diferenças significativas entre a amostra menor de 207 CEOs e a maior amostra sobre idade, sexo ou cargo de CEO. Além disso, enquanto Hill et al. (Na imprensa) focada em CEOs das empresas S & P 500, significando que houve alguma diferença no tamanho médio de suas firmas (medido como o log de empregados) em relação à amostra maior de S & P 1500 CEOs (diferença = 1.75, p <0.000 ), não encontramos diferença entre o desempenho médio dessas firmas (medido pelo retorno sobre os ativos). Ambas as amostras também incluem CEOs em todas as categorias do setor SIC de 1 dígito . Assim, o conjunto menor de 207 CEOs é geralmente representativo da amostra maior.

6

resultantes refletem cada um dos cinco traços de personalidade em uma escala de 7 pontos para os 207 CEOs. O IPIP demonstrou fortes confiabilidades alfa para cada característica (Nunnally, 1978): para abertura, = 0,96; para extroversão , = 0,98; para conscienciosidade, = 0,97; para agradabilidade , = 0,98; e para neuroticismo, 0. = 0,97. Em geral, os avaliadores também demonstraram concordância moderada a forte em suas avaliações (LeBreton & Senter, 2008): para abertura, ICC (k) = 0,39, p <0,001, r WG (J) = 0,61; para extroversão, CCI (k) = 0,63, p <0,001, r WG (J) = 0,79; para conscientização, CCI (k) = 0,29, p <0,001, r WG (J) = 0,55; para agradabilidade, CCI (k) = 0,53, p <0,001, r WG (J) = 0,62; e para neuroticismo, CCI (k) = 0,43, p <0,001, r WG (J) = 0,697.

Desenvolvimento de ferramentas

Criamos nossa medida de personalidade usando os recursos de aprendizado de máquina de R em três estágios: (1) vetorização de texto, (2) treinamento e seleção de modelo e (3) predição de traço. No primeiro estágio, usamos o Word2Vec para extrair os recursos de linguagem do corpus de texto maior de 3.573 CEOs.

Word2Vec é um algoritmo para vetorização de texto em R que toma um corpo de texto como entrada e produz vetores de palavras como saída. O algoritmo primeiro cria um vocabulário a partir do corpus de texto e aprende as representações vetoriais das palavras e frases. O espaço vetorial pode incluir centenas de dimensões, com cada palavra ou frase única no corpo de amostra sendo atribuído a um vetor correspondente no espaço. Além disso, palavras e frases que compartilham contextos semelhantes no corpus são colocadas próximas umas das outras no espaço.

No segundo estágio, usamos a palavra vetores produzidos a partir do corpus de texto maior para construir modelos de regressão para estimar cada um dos cinco escores de personalidade observados no corpus menor de 207 CEOs8. Treinamos esses modelos usando o Gradient Boosting Machine (GBM), um algoritmo de aprendizado de máquina que monta sequencialmente árvores de regressão em todos os recursos em paralelo. Para fazer isso, dividimos o corpus em duas partes: um conjunto de treinamento de modelo (80%) e um conjunto de validação de ferramenta (20%). Devido ao tamanho relativamente pequeno da amostra de treinamento, também dividimos o texto de cada CEO em tamanho igualpedaços (ou páginas) para aumentar o tamanho do corpus de texto para treinamento. O número mediano de páginas por CEO foi de 670, e o número total de páginas geradas para a amostra completa foi de aproximadamente

7 <nota do artigo> Notamos que algumas destas pontuações, particularmente as ICC (k) s para abertura e conscienciosidade, podem ser consideradas Acordo "fraco". No entanto, sentimos que estes valores são aceitáveis dada a novidade da abordagem videométrica e a força relativa dos escores WG (J) correspondentes . Além disso, ao considerar a precisão da avaliação da personalidade, a pesquisa em psicologia sugere que algumas características são mais fáceis de julgar do que outras (Funder, 1995), portanto, devemos esperar ver alguma variação na concordância entre as características. 8 <nota do artigo> Antes de treinar os modelos, também testamos a vetorização para ver se poderíamos identificar diferentes CEOs com base em seus discursos, em geral. Usando a palavra vetores da amostra maior, fomos capazes de prever qual texto pertencia a cada CEO na amostra menor com precisão maior que 90%.

7

230.000. Isso aumentou nossa amostra de treinamento para aproximadamente 180.000 conjuntos de textos e nossa amostra de validação para aproximadamente 50.000. Todos os 207 CEOs foram representados nas amostras de treinamento e validação, mas com conjuntos distintos de texto. Depois de treinar nossos modelos e gerar pontuações previstas para a amostra de validação, calculamos a média das pontuações nos conjuntos de texto de cada indivíduo para gerar pontuações gerais para cada traço para cada CEO separadamente para as amostras de treinamento e validação. Assim, n = 207 para a amostra de validação final, mas as pontuações associadas são baseadas em conjuntos distintos de texto em relação à amostra de treinamento.

Treinamos os modelos para (1) maximizar as correlações entre cada escore de personalidade previsto e o correspondente escore observado dos dados videométricos, enquanto também tentamos replicar os padrões de (2) variância para cada traço e (3) correlações de ordem zero entre traços encontrados na amostra videométrica. Cada um desses requisitos foram inseridos como parâmetros no algoritmo antes de executar o programa em R. Para cada característica, o modelo que otimizava simultaneamente todos os três parâmetros (ou seja, ao invés de maximizar um único) era considerado superior a outras iterações do modelo. Essa abordagem nos permitiu chegar a modelos que forneceriam valores precisos para cada característica, ao mesmo tempo em que discriminariam entre características e entre executivos. Além disso, usamos hyper-parameterotimização (Snoek, Larochelle, & Adams, 2012) para construir nossos modelos de regressão e selecionar os modelos ótimos. Esse método começa com um modelo de linha de base e, em seguida, ajusta os parâmetros principais que devem melhorar o desempenho do modelo até que nenhuma melhoria adicional possa ser feita.

No estágio final, aplicamos o modelo de regressão de melhor desempenho para cada traço Big Five para prever os escores de personalidade de todos os CEOs no corpus de texto maior. Nossa medida final de personalidade do CEO reflete estimativas para cada um dos cinco traços de personalidade para cada um desses CEOs, medidos em uma escala de 7 pontos . Depois de desenvolver nossa ferramenta, fizemos várias etapas para demonstrar sua validade e confiabilidade para uso com amostras em larga escala de CEOs de empresas públicas.

Validade convergente.

Avaliamos a validade convergente de nossa ferramenta de personalidade examinando as correlações entre os escores preditos para cada característica usando o conjunto de validação e os correspondentes escores observados dos dados videométricos originais. Fornecemos essas estatísticas na Tabela 1.

8

Também incluímos estatísticas de comparação de pontuações previstas para o mesmo conjunto de 207 CEOs em duas outras abordagens baseadas em linguagem para medição de personalidade de CEO: uma variação de linguagem fechada de nossa própria ferramenta e o Personality Recognizer, outro ferramenta de linguagem fechada que foi desenvolvida por Mairesse et al. (2007) usando uma amostra de estudantes de psicologia9. Correlações entre os escores previstos usando a linguagem abertaferramenta e escores observados a partir dos dados videométricos variam de 0,62 a 0,67, e p <0,001 para todos os valores. Em comparação, o Personality Recognizer produziu escores preditos que são correlacionados negativamente com os escores observados para dois traços (isto é, extroversão e amabilidade) e apenas tão altos quanto 0,08 (isto é, para a abertura), o que não é estatisticamente significativo. A ferramenta de linguagem fechada que desenvolvemos mostra alguma melhoria em relação ao Personality Recognizer, alcançando correlações de até 0.26. No entanto, essas correlações não são significativas para duas características (conscienciosidade e neuroticismo) e também são negativas para uma delas (conscienciosidade). Assim, a abordagem em linguagem aberta supera claramente uma linguagem fechada abordagem em nossa amostra de CEOs10.

Como outra base de comparação, nossa ferramenta de linguagem aberta também mostra validade convergente superior em relação a Mairesse et al. (2007) Personality Recognizer e Park et al. 's (2015) ferramenta de linguagem aberta derivada das respectivas amostras dos estudos. Mairesse et al. (2007) encontraram correlações entre escores preditos e auto-relatos apenas tão altos quanto 0,35 para sua amostra de estudantes de psicologia e Park et al. (2015) encontraram valores não superiores a 0,43 para sua amostra de usuários do Facebook. No geral, nossos resultados fornecem fortes evidências da validade convergente de nossa medida e que ela representa uma melhoria substancial em relação a outras medidas lingüísticas recentes de características do Big Five, bem como a ferramenta de linguagem fechada que desenvolvemos na mesma amostra de CEOs.

Validade Discriminante .

Para avaliar a validade discriminante de nossa medida, examinamos as intercorrelações entre os escores Big Five previstos usando nossa ferramenta, que são mostrados na diagonal inferior da Tabela 2.

9 <nota do artigo> Desenvolvemos nossa ferramenta de linguagem fechada usando as mesmas etapas descritas para a ferramenta de linguagem aberta , exceto que, em vez de usar a vetorização de texto para criar um espaço de recurso na primeira etapa, seguimos uma abordagem semelhante a Mairesse et al. (2007) e utilizaram todos os dicionários pré-definidos e estatísticas básicas de palavras (por exemplo, contagem de palavras, palavras por frase) do Inquérito Linguístico e Contagem de Palavras (LIWC) (Pennebaker et al., 2015). 10 <nota do artigo> Fornecemos uma descrição mais detalhada do Personality Recognizer e suas limitações para uso com amostras de CEOs no Apêndice 2.

9

Como comparação de linha de base, também incluímos as intercorrelações para a amostra videométrica original. usado para treinar nossa ferramenta na diagonal superior da Tabela 2. As intercorrelações do modelo previstoas pontuações (diagonal inferior) na Tabela 2 estão todas na direção esperada e paralelas à magnitude das pontuações observadas (diagonal superior) usadas para treinar nossa ferramenta. Esses valores também são consistentes com a pequena quantidade de trabalho que utilizou instrumentos de pesquisa para medir os cinco principais atributos dos CEOs. Nestes estudos, tem sido comum encontrar intercorrelações entre as Cinco Grandes Características acima de 0.40 | (por exemplo, Colbert et al. , 2014; Herrmann & Nadkarni, 2014; Nadkarni & Herrmann, 2010) e alguns encontraram valores superiores a | 0,60 | e | 0,70 | (Peterson et al. , 2003). Em nossa amostra, a correlação média entre as pontuações previstas é | 0,44 |. No geral, esses valores mostram que nossa ferramenta é capaz de discriminar cada uma das Cinco Principais Características, pelo menos assim como as medidas anteriores que avaliam essas características para os CEOs.

As intercorrelações tanto para o nosso instrumento de linguagem aberta quanto para o observado (isto é, videometria) os escores utilizados para treinar nossa ferramenta também estão todos na direção esperada, comparados aos resultados de uma meta-análise recente (k = 212, N = 144,117) sobre os cinco grandes traços (van der Linden, te Nijenhuis, & Bakker, 2010). Além disso, todos os dez pares de intercorrelação entre os nossos escores preditos, e nove dos dez pares entre os escores observados, estão dentro da faixa de escores obtidos via avaliações por pares na meta-análise (ver coluna 5 da Tabela 3 em van der Linden et al, 2010). A única exceção é para o neuroticismo extroversão nos dados observados, que foi apenas ligeiramente menor na meta-análise (-0,44) do que na nossa amostra (-0,56). Juntamente com a comparação anterior com o trabalho anterior em CEOs, esses valores fornecem evidências sólidas de que nossa medida pode discriminar efetivamente entre cada uma das cinco principais características.

10

Como outra maneira de testar a validade discriminante de nossa ferramenta, também avaliamos as correlações entre nossos escores preditos e outras medidas não-intrusivas de atributos de CEO usados em pesquisas anteriores de escalões superiores. Estes incluíram demografia básica (ou seja, a idade quando nomeado CEO, sexo e duração da posse), bem como três atributos psicológicos previamente medidos com abordagens linguísticas - foco regulatório (Gamache et al., 2015), foco temporal (Nadkarni & Chen, 2014) e narcisismo (Chatterjee & Hambrick, 2007). A correlação média entre os escores previstos e as características demográficas foi de 0,06 | e nenhuma correlação excedida | 0,14 |. Da mesma forma, a correlação média entre os escores previstos e outras características psicológicas foi | 0,06 | e nenhuma correlação excedida | 0.17 |. Esses valores fornecem evidências adicionais de validade discriminante, demonstrando que nossa ferramenta de personalidade está medindo algo distinto das medidas demográficas e outras medidas não intrusivas usadas em trabalhos anteriores.

Confiabilidade.

Para avaliar a confiabilidade, empregamos a abordagem teste-reteste gerando várias pontuações previstas para os mesmos CEOs em diferentes momentos e, em seguida, comparando as pontuações previstas dentro do CEO ao longo do tempo. Usamos um subconjunto de 1.563 CEOs que tinham pelo menos 1.000 palavras faladas em três ou mais transcrições de chamadas de ganhos separadas. Prevemos escores de personalidade para cada CEO em três momentos usando texto correspondente às três primeiras chamadas incluídas no corpus, que eram tipicamente em anos consecutivos. Os coeficientes médios de confiabilidade teste-reteste nos três períodos de tempo foram 0,75 para extroversão, 0,81 paraconscienciosidade, 0,83 para abertura, 0,83 para

11

agradabilidade e 0,85 para neuroticismo. Os coeficientes médios de confiabilidade teste-reteste de todas as cinco características em todos os períodos de tempo foram 0,81. Esses valores estão no limite superior do intervalo de coeficientes de teste-reteste encontrados para as cinco principais características do trabalho em andamento, usando abordagens baseadas em pesquisa e em linguagem , que normalmente variam de 0,65 a 0,85 (Park et al. , 2015). No geral, nossa ferramenta de linguagem aberta tem forte consistência interna.

UM TESTE DA FERRAMENTA: PERSONALIDADE DO CEO, DESEMPENHO DA FIRMA E

MUDANÇA ESTRATÉGICA

Como teste formal da nossa ferramenta de personalidade, examinamos os efeitos diretos e conjuntos da personalidade do CEO e do desempenho da empresa na mudança estratégica. Fazer isso não apenas nos ajuda a demonstrar a validade relacionada ao critério de nossa medida, mas também estende o trabalho passado oferecendo novos insights sobre como os traços de personalidade dos CEOs podem funcionar de maneira diferente com base na situação. Em termos de validade relacionada ao critério , dois dos cinco estudos anteriores que usaram instrumentos validados para avaliar os cinco principais atributos dos CEOs examinaram como essas características influenciam os resultados relacionados à mudança (Herrmann & Nadkarni, 2014; Nadkarni & Herrmann, 2010). Em pequenas amostras de micro e pequenas empresas não-americanas, estes estudos descobriram que a abertura, extroversão e estabilidade emocional (ou seja, o inverso do neuroticismo) estão positivamente relacionados com a flexibilidade estratégica e mudança, enquanto conscienciosidade está negativamente relacionada a esses resultados. Eles também descobriram que a amabilidade está negativamente relacionada à mudança estratégica, mas que ela tinha uma relação invertida em forma de U com flexibilidade estratégica. Dados esses resultados de referência, se nossa ferramenta demonstrar padrões semelhantes para as relações entre os Cinco Grandes Riscos dos CEOs e a mudança estratégica, isso não apenas ajuda a estabelecer sua validade relacionada aos critérios, mas também confirma essas relações em uma amostra maior de CEOs.

Também esperamos estender esse trabalho examinando como as cinco principais características dos CEOs afetam as mudanças de maneira diferente com base no desempenho de suas empresas. Apenas um dos estudos anteriores sobre o Big dos CEOs Cinco características consideradas fatores situacionais (Benischke, Martin, & Glaser, 2019). No entanto, um princípio fundamental da psicologia é que as cognições, os motivos e os comportamentos dos indivíduos são fortemente influenciados por uma combinação de características pessoais e baseadas em situações (Furr & Funder, no prelo). Evidências recentes da perspectiva dos escalões superiores também sugerem que os efeitos dos traços psicológicos dos CEOs podem diferir com base no contexto (Gamache et al. , 2015; Mannor et al., 2016). Aqui, nos concentramos na interação entre a personalidade do CEO e o desempenho da empresa, porque o desempenho é considerado o fator situacional mais dominante que afeta a propensão das empresas a mudar (Cyert e March, 1963). Enquanto o desempenho positivo leva as empresas a manter o status quo, o desempenho negativo é o que sinaliza a necessidade de uma

12

empresa mudar suas estratégias existentes. Ao mesmo tempo, cada uma das características do Big Five representa uma coleção de vários atributos ou tendências distintas (Costa & McCrae, 1985; McCrae & John, 1992), que podem ser diferencialmente estimuladas ou restritas com base no nível de desempenho da empresa. Abaixo descrevemos brevemente os métodos que empregamos para examinar esses efeitos antes de delinear nossos resultados.

Métodos

Amostra e coleta de dados.

Nossa amostra base consiste no conjunto completo de CEOs para os quais calculamos os escores de personalidade. Os dados da empresa e da indústria vieram dos bancos de dados Compustat e do Centro de Pesquisa em Preços de Segurança (CRSP). Após ficarmos aquém das nossas variáveis de desempenho da empresa e do setor e omitirmos observações com dados faltantes, nossa amostra final é de 22.983 observações CEO-empresa-ano , incluindo 3.449 CEOs de 2.366 empresas do S & P 1500 entre 1996 e 2014.

Variáveis focais .

Nossa variável de resultado é a mudança estratégica , que reflete a extensão da mudança na forma como uma empresa aloca seus recursos ao longo do tempo (Hambrick, Geletkanycz & Fredrickson, 1993). Coletamos dados sobre seis indicadores-chave de mudança estratégica: (1) intensidade de publicidade (propaganda / vendas), (2) intensidade de pesquisa e desenvolvimento (P & D / vendas), (3) planta e equipamento (PE) novidade (PE líquido / PE bruto), (4) despesas gerais de não produção (vendas, despesas gerais / administrativas / vendas), (5) níveis de estoques (estoques / vendas) e (6) alavancagem financeira (dívida / patrimônio líquido). Seguindo Bednar, Boivie e Prince (2013), avaliamos a mudança estratégica calculando primeiro o valor absoluto da diferença entre um determinado índice no ano atual em relação ao ano anterior, padronizando esses valores e tomando a média entre as seis categorias. para indicar a extensão da mudança estratégica em um determinado ano.

Nossas variáveis independentes incluem cada uma das cinco principais características, medidas em uma escala de 7 pontos usando nossa ferramenta de personalidade de linguagem aberta. Calculamos essas pontuações para cada CEO usando todo o texto atribuído a ele nas chamadas de ganhos trimestrais durante o período da amostra. Como tal, as pontuações baseiam-se na linguagem dos CEOs em contextos contextuais variados ao longo do tempo, permitindo-nos avaliar os seus traços de personalidade estáveis (Malhotra et al. , 2018)11. Nosso moderador situacional focal é o

11 <nota do artigo> Medir a personalidade dessa maneira pressupõe que a personalidade não muda para os CEOs em nossa amostra durante o período de amostragem. Em uma metanálise completa , Roberts et al. (2005) mostraram que os Big Five são relativamente estáveis após os 40 anos de idade e, em vários casos, não apresentam uma mudança significativa no nível médio, mesmo ao longo dos múltiplos 10 anos. períodos que examinaram. Dada a idade média dos CEOs em nossa amostra é de 56, com um desvio padrão de cerca de 7,5, sentimos que estamos justificados em tratar a personalidade como invariante no tempo em nosso estudo.

13

desempenho da empresa. Seguimos a convenção em trabalhos anteriores sobre a relação entre o desempenho da empresa e a mudança estratégica, avaliando as práticas contábeis baseadas nas empresas.desempenho, medido como retorno sobre os ativos. Antes de executarmos nossas análises, atrasamos essa variável em um ano, porque supõe-se que o desempenho em t - 1 fornece a indicação situacional para a mudança estratégica em t .

Análise.

Nossos dados representam um painel de mais de 3.000 pares CEO-firma , cada um observado ao longo de vários anos entre 1996 e 2014. Diante disso, o fato de nossa variável independente ser invariante no tempo e a natureza contínua de nossas variáveis dependentes empregamos - regressão do painel de efeitos como nosso método de análise (Certo, Withers, & Semadeni, 2017)12.

Resultados

A Tabela 3 apresenta os resultados dos modelos de efeitos aleatórios que prevêem mudanças estratégicas. O modelo 1 inclui apenas variáveis de controle; o modelo 2 adiciona as variáveis de personalidade; e o modelo 3 é o modelo completo, incluindo termos de interação. Abaixo, descrevemos nossas descobertas para os efeitos diretos da personalidade do CEO sobre a mudança estratégica e para seus efeitos conjuntos com o desempenho da empresa.

12 <nota do artigo> Os apêndices fornecem descrições das variáveis de controle listadas na Tabela 3 (consulte o Apêndice 3), a tabela de correlação completa (consulte o Apêndice 4) e detalhes sobre verificações de robustez relacionadas ao desempenho da empresa e outras especificações do modelo que podem explicar a não-independência ( veja o Apêndice 5).

14

Consistente com o trabalho passado, encontramos um efeito direto positivo para a abertura (0,01, p = 0,00) e um efeito negativo, embora mais fraco, para a agradabilidade (-0,003, p = 0,08). Nossos resultados sugerem que aumentar de níveis baixos (-1 SD) para altos (+1 SD) de abertura aumenta a mudança estratégica em cerca de 21 por cento, enquanto um aumento similar por afabilidade diminui a mudança estratégica em 7 por cento. Em contraste, não encontramos evidências de que a extroversão, a conscientização ou o neuroticismo influenciam diretamente a mudança estratégica em nossa amostra. No entanto, encontramos interações significativas para o desempenho da empresa com quatro dos cinco principais traços de personalidade: abertura (-0,04, p = 0,00), conscientização (-0,05,p = 0,00), extroversão (0,02, p = 0,00) e neuroticismo (-0,02, p = 0,02). Interpretamos esses resultados calculando e plotando os valores previstos de nossa variável dependente em toda a faixa de valores observados de cada traço de personalidade (ou seja, 1 a 7) para média, menor (-1 DP) e maior (+1 DP) empresas executoras. Os gráficos de interação são fornecidos na Figura 1. Para demonstrar onde a maioria dos efeitos observados ocorre em nossa amostra, adicionamos marcadores verticais em cada parcela no valor médio do traço de personalidade determinado e em ± 1 DP.

O painel superior esquerdo da Figura 1 mostra que o desempenho da empresa modera negativamente a relação positiva entre a abertura do CEO e a mudança estratégica. Em comparação com o aumento de 21 por cento na mudança estratégica para empresas com desempenho médio , o aumento da abertura dos CEOs de valores baixos para altos aumenta a mudança estratégica em 51 por cento nas empresas de baixo desempenho , mas apenas 3% em empresas de alto desempenho . Os painéis superiores direito e inferior direito da Figura 1 mostram ainda que aumentar de baixos

15

a altos níveis de conscienciosidade ou neuroticismo dos CEOs diminui a mudança estratégica em 14 ou 7 por cento nas empresas de alto desempenho, mas mudanças semelhantes nessas características aumentam mudar em 17 ou 11 por cento em empresas de baixo desempenho.

Em contraste, o canto inferior esquerdoO painel da Figura 1 mostra que aumentar a extroversão do CEO de valores baixos para altos aumenta a mudança estratégica em 4% nas empresas de alto desempenho, mas que tal mudança reduz a mudança estratégica em 17% nas empresas de baixo desempenho. Finalmente, enquanto encontramos um efeito principal para a concordância do CEO sobre a mudança estratégica, não encontramos provas convincentes de um efeito interativo com o desempenho.

DISCUSSÃO

Neste artigo, apresentamos uma medida lingüística válida da personalidade do CEO e a testamos usando os links previamente explorados entre os cinco principais traços e a mudança estratégica dos CEOs. Nossa ferramenta demonstrou forte validade convergente e discriminante. Nosso teste da ferramenta também forneceu evidências de validade relacionada ao critério, ao mostrar efeitos diretos semelhantes ao trabalho passado para a abertura do CEO e a concordância com a mudança estratégica (Herrmann

16

& Nadkarni, 2014; Nadkarni & Herrmann, 2010). Ao mesmo tempo, que não encontramos efeitos para as outras três características sugere algumas diferenças importantes em nossa amostra, em comparação com suas amostras de amostras de micro e pequenas empresas não-americanas.. Em nossa amostra de empresas norte-americanas maiores e de capital aberto, essas relações parecem ser mais contingentes à situação particular da empresa. Essa ideia é apoiada ainda mais pelos resultados de nossas interações, que mostram que a situação de desempenho da empresa não apenas influencia a força das relações entre os Cinco Grandes Riscos e a mudança estratégica dos CEOs, mas também determina a direção que alguns desses relacionamentos tomam.

Acreditamos que essas descobertas ocorrem porque cada uma das cinco principais características representa uma coleção de várias tendências distintas (Costa & McCrae, 1985), que podem ser diferencialmente ativadas ou constrangidas com base na situação. Por exemplo, desde que a empresa tenha bom desempenho, a intolerância dos CEOs mais conscientes ou neuróticos à ambigüidade e à incerteza (Peterson et al., 2003) pode levá-los a resistir à mudança. No entanto, quando a empresa está com desempenho ruim, a orientação de alto desempenho dos CEOs conscientes (Costa & McCrae, 1985) e a insegurança e ansiedade dos CEOs neuróticos podem se tornar mais evidentes, levando cada tipo de CEO a se envolver em mudanças maiores para reverter a situação. Esperamos que possa haver razões semelhantes para os padrões observados nos resultados das outras características em nosso modelo. No geral, essas descobertas iniciais demonstram que a situação pode ter um impacto crítico sobre como os traços dos CEOs se manifestam nos resultados no nível da empresa. Avançando, instamos os estudiosos a considerar como os fatores situacionais relevantes podem ativar ou restringir diferencialmente as várias dimensões de cada um dos cinco traços de personalidade dos CEOs para determinar como essas características afetam um determinado resultado.

Nosso estudo e a introdução de nossa medida discreta e baseada na linguagem da personalidade do CEO fornecem uma série de importantes caminhos para pesquisas futuras. Notavelmente, como nossa medida foi desenvolvida usando dados que normalmente estão disponíveis para outros acadêmicos, ela representa uma base sólida para trabalhos futuros que buscam desenvolver uma teoria sobre como os traços de personalidade dos CEOs influenciam uma ampla gama de resultados estratégicos. Por exemplo, dadas as fortes ligações entre os traços de personalidade dos indivíduos e os comportamentos positivos e negativos (ou seja, desviantes) no local de trabalho, o trabalho futuro poderia explorar como os Cinco Grandes Recursos dos CEOs influenciam as atividades relacionadas aos resultados da agência, como oportunismo ou malfeitorias corporativas. Ou, dada a riqueza de conhecimento sobre as cinco grandes características e liderança, os estudiosos poderiam examinar como as personalidades dos executivos influenciam sua ascensão ao cargo de CEO ou ao processo de sucessão. Além disso, como a personalidade é um forte preditor de dinâmicas sociais em equipes, aplicar nossa ferramenta ao contexto social é significativo potencial para melhorar nossa compreensão e tomada de decisão de TMT e eficácia. Encorajamos os acadêmicos interessados em desenvolver essa linha de pesquisa a entrar em contato conosco para obter nossa ferramenta de linguagem aberta e aplicá-la a amostras comparáveis13.

13 <nota do artigo> Para facilitar ainda mais isso, o Apêndice 6 também descreve um processo que os acadêmicos poderiam usar para gerar pontuações de personalidade, aplicando nossa ferramenta aos ganhos de dados de chamadas que eles próprios coletam.

17

Há também várias maneiras pelas quais pesquisas futuras podem se basear em nossa abordagem baseada em linguagem. Por exemplo, pesquisas futuras poderiam seguir nossa abordagem com outras amostras de treinamento usando instrumentos validados (por exemplo, potencialmente maiores em tamanho ou demonstrando maior concordância e / ou confiabilidade em comparação com nosso conjunto de 207 CEOs) para aumentar ainda mais a precisão dos modelos que predizem essas características . Os estudiosos também poderiam ir além de uma abordagem traço-por-traço , desenvolvendo e testando a teoria que considera modelos com combinações ou interações de múltiplas características. Outra abordagem poderia ser adotar uma abordagem centrada na pessoa em vez de centrada na variável. Abordagem para construção de teoria usando um método como análise de perfil latente, que adota uma visão mais holística dos indivíduos e considera como todas as características em combinação afetam as cognições, atitudes e comportamentos de uma pessoa (Meyer, Stanley, & Vandenberg, 2013).

Acreditamos também que a nossa abordagem é complementar, em vez de substituta, de abordagens de linguagem fechada ou outras metodologias, como a avaliação videométrica (por exemplo, Gupta, Nadkarni & Mariam, 2018; Hill et al. , No prelo; Petrenko et al. ., 2016). Ao desenvolver nossa ferramenta de linguagem aberta, nós nos baseamos em dados videométricos para obter as pontuações observadas dos traços de personalidade dos CEOs necessários para validar a ferramenta com um instrumento de personalidade psicometricamente sólido. Desta forma, nossa ferramenta não teria sido possível sem a abordagem videométrica. Além disso, embora nossa medida lingüística possa ser aplicada a amostras maiores mais facilmente do que medidas videométricas, ela é limitada a certas características que tenderão a se manifestar na linguagem falada ou escrita de uma pessoa. Acreditamos que certas construções (por exemplo, carisma) que os dados videométricos podem capturar mais prontamente do que abordagens de medição baseadas em texto ou linguagem . Além disso, embora os métodos de linguagem aberta extraiam recursos mais numerosos e mais ricos de amostras de linguagem do que métodos de linguagem fechada , uma desvantagem é que a validade aparente desses recursos é mais difícil de avaliar porque os métodos de linguagem aberta não fornecem informações sobre alguns das características específicas identificadas no processo de aprendizado de máquina. Assim, embora as abordagens de linguagem aberta possam ser mais apropriadas para compreender características psicológicas mais complexas e de ordem mais alta , como as Cinco Grandes características, as abordagens de linguagem fechada podem ser mais adequadas para aspectos mais restritos,construtos psicológicos de ordem inferior que se manifestam mais prontamente no uso de palavras distintas ou padrões de fala, como foco temporal. Assim, dependendo do construto de interesse, todas essas três abordagens poderiam ser usadas no futuro para continuar a desenvolver a teoria e a pesquisa sobre os efeitos dos atributos psicológicos dos CEOs.

AGRADECIMENTOS

Reconhecemos com gratidão a assistência que recebemos de Alexander Gedranovich ao desenvolver nossa ferramenta de linguagem aberta . Gostaríamos também de agradecer a Aaron Hill, Jason Ridge, Oleg Petrenko e Federico Aime pelo seu

18

inestimável apoio no compartilhamento das pontuações videométricas que usamos para desenvolver e validar nossa ferramenta. Finalmente, agradecemos a Craig Crossland e a dois revisores anônimos por seu feedback valioso e de desenvolvimento.

REFERÊNCIAS

Barrick MR, Mount MK, Judge TA. 2001. Personality and performance at the beginning of the new

millennium: What do we know and where do we go next? International Journal of Selection and

Assessment 9(1-2): 9-30.

Bednar MK, Boivie S, Prince NR. 2013. Burr under the saddle: How media coverage influences strategic

change. Organization Science 24(3): 910-925.

Benischke MH, Martin GP, Glaser L. 2019. CEO equity risk bearing and strategic risk taking: The

moderating effect of CEO personality. Strategic Management Journal 40(1): 153- 177.

Carpenter MA, Geletkanycz MA, Sanders WG. 2004. Upper echelons research revisited: Antecedents,

elements, and consequences of top management team composition. Journal of Management 30(6): 749-

778.

Certo ST, Withers MC, Semadeni M. 2017. A tale of two effects: Using longitudinal data to compare

within‐ and between‐ firm effects. Strategic Management Journal 38(7): 1536- 1556.

Chatterjee A, Hambrick DC. 2007. It's all about me: Narcissistic chief executive officers and their effects on

company strategy and performance. Administrative Science Quarterly 52(3): 351-386.

Colbert AE, Barrick MR, Bradley BH. 2014. Personality and leadership composition in top management

teams: Implications for organizational effectiveness. Personnel Psychology 67(2): 351-387.

Costa PT, McCrae RR. 1985. The neo personality inventory. Psychological Assessment Resources: Odessa,

FL.

Cyert RM, March JG. 1963. A behavioral theory of the firm (2 ed.). Blackwell: Cambridge, MA.

Funder DC. 1995. On the accuracy of personality judgment: A realistic approach. Psychological

Review 102(4): 652-670.

Furr MR, Funder DC. In press. Persons, situations, and person-situation interaction. In Handbook of

personality: Theory and research. John OP, Robins RW (eds.) 4th ed., Guilford: New York.

Gamache DL, McNamara G, Mannor MJ, Johnson RE. 2015. Motivated to acquire? The impact of CEO

regulatory focus on firm acquisitions. Academy of Management Journal 58(4): 1261-1282.

Goldberg LR. 2000. International personality item pool. http://www.ipip.org.

Gupta A, Nadkarni S, Mariam M. 2018. Dispositional sources of managerial discretion: CEO ideology, CEO

personality, and firm strategies. Administrative Science Quarterly: 0001839218793128.

Hambrick DC. 2007. Upper echelons theory: An update. Academy of Management Review 32(2): 334-343.

Hambrick DC, Geletkanycz MA, Fredrickson JW. 1993. Top executive commitment to the status-quo: Some

tests of its determinants. Strategic Management Journal 14(6): 401- 418.

19

Herrmann P, Nadkarni S. 2014. Managing strategic change: The duality of CEO personality. Strategic

Management Journal 35(9): 1318-1342.

This article is protected by copyright. All rights reserved.

Accepted Article

Hill AD, Petrenko OV, Ridge JW, Aime F. In press. Videometric measurement of individual characteristics in

difficult to access subject pools: Demonstrating with CEOs. In Research methodology in strategy and

management. Ketchen DJ, Bergh DD (eds.).

LeBreton JM, Senter JL. 2008. Answers to 20 questions about interrater reliability and interrater

agreement. Organizational Research Methods 11(4): 815-852.

Mairesse F, Walker MA, Mehl MR, Moore RK. 2007. Using linguistic cues for the automatic recognition of

personality in conversation and text. Journal of Artificial Intelligence Research: 457-500.

Malhotra S, Reus TH, Zhu P, Roelofsen EM. 2018. The acquisitive nature of extraverted

CEOs. Administrative Science Quarterly 63(2): 370-408.

Mannor MJ, Wowak AJ, Bartkus VO, Gomez-Mejia LR. 2016. Heavy lies the crown? How job anxiety affects

top executive decision making in gain and loss contexts. Strategic Management Journal 37(9): 1968-1989.

Matsumoto D, Pronk M, Roelofsen E. 2011. What makes conference calls useful? The information content

of managers' presentations and analysts' discussion sessions. Accounting Review 86(4): 1383-1414.

McCrae RR, John OP. 1992. An introduction to the five-factor model and its applications. Journal of

Personality 60(2): 175-215.

Meyer JP, Stanley LJ, Vandenberg RJ. 2013. A person-centered approach to the study of

commitment. Human Resource Management Review 23: 190-202.

Nadkarni S, Chen J. 2014. Bridging yesterday, today, and tomorrow: CEO temporal focus, environmental

dynamism, and rate of new product introduction. Academy of Management Journal 57(6): 1810-1833.

Nadkarni S, Herrmann P. 2010. CEO personality, strategic flexibility, and firm performance: The case of the

Indian business process outsourcing industry. Academy of Management Journal 53(5): 1050-1073.

Nunnally JC. 1978. Psychometric theory. McGraw-Hill: New York.

Park G, Schwartz HA, Eichstaedt JC, Kern ML, Kosinski M, Stillwell DJ, Ungar LH, Seligman MEP. 2015.

Automatic personality assessment through social media language. Journal of Personality and Social

Psychology 108(6): 934-952.

Peterson RS, Martorana PV, Smith DB, Owens PD. 2003. The impact of CEO on top management team

dynamics: One mechanism by which leadership affects organizational performance. Journal of Applied

Psychology 88(5): 795-808.

Petrenko OV, Aime F, Ridge J, Hill A. 2016. Corporate social responsibility or CEO narcissism? CSR

motivations and organizational performance. Strategic Management Journal 37(2): 262-279.

Schoenfeldt LF. 1984. Psychometric properties of organizational research instruments. Reston Publishing:

Reston, VA.

Snoek J, Larochelle H, Adams RP. 2012. Practical bayesian optimization of machine learning

20

algorithms. In Advances in neural information processing systems. 2951-2959.

Tang Y, Mack DZ, Chen GL. 2018. The differential effects of CEO narcissism and hubris on corporate social

responsibility. Strategic Management Journal 39(5): 1370-1387.

van der Linden D, te Nijenhuis J, Bakker AB. 2010. The general factor of personality: A meta- analysis of

big five intercorrelations and a criterion-related validity study. Journal of Research in

Personality 44(3): 315-327.

APÊNDICES