Corporate psychopathy: Talking the walk
Notice bibliographique
Résumé
There is a very large literature on the important role of psychopathy in the criminal justice system. We know much less about corporate psychopathy and its implications, in large part because of the difficulty in obtaining the active cooperation of business organizations. This has left us with only a few small-sample studies, anecdotes, and speculation. In this study, we had a unique opportunity to examine psychopathy and its correlates in a sample of 203 corporate professionals selected by their companies to participate in management development programs. The correlates included demographic and status variables, as well as in-house 360 degrees assessments and performance ratings. The prevalence of psychopathic traits-as measured by the Psychopathy Checklist-Revised (PCL-R) and a Psychopathy Checklist: Screening Version (PCL: SV) "equivalent"-was higher than that found in community samples. The results of confirmatory factor analysis (CFA) and structural equation modeling (SEM) indicated that the underlying latent structure of psychopathy in our corporate sample was consistent with that model found in community and offender studies. Psychopathy was positively associated with in-house ratings of charisma/presentation style (creativity, good strategic thinking and communication skills) but negatively associated with ratings of responsibility/performance (being a team player, management skills, and overall accomplishments).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,014 |
| Communication savante | 0,011 | 0,018 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,017 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».