A Diagnostic Method for Procedural Justice
Notice bibliographique
Résumé
Procedural justice has shown significant linkages to organizational outcomes such as organizational commitment and turnover. For this reason, we propose that measures of procedural justice can serve a diagnostic function to signal potential problems with important organizational-level outcomes. However, if used alone, it does not tell us which specific procedures require change in order to resolve potential problems. This study proposes, and tests, a methodology which combines general measures of procedural justice with measures of perceptions of specific procedures in order to diagnose problems with organizational outcomes. This is tested in two call centers. The research design employs a survey of randomly selected employees from the call centers. The effects of a general measure of procedural justice on the organizational outcomes of turnover intentions and organizational commitment are examined. Further, we examine the effects of attitudes towards specific monitoring procedures on a general measure of procedural justice. Baron and Kenny’s statistical methodology is employed to test these relationships; to show that procedural justice mediates the effect of employee perceptions of monitoring on turnover intentions and organizational commitment. Our findings support complete mediation effects. The implications of these findings are that general perceptions of procedural justice can be used to screen for potential problems with organizational outcomes. If general effects are found, organizations can employ more specific measures of organizational procedures to target procedural problems. The methodology proposed here has the potential to identify specific procedures that organizations can focus on in order to improve organizational outcomes. Normal 0 false false false EN-US X-NONE AR-SA /* Style Definitions */ table.MsoNormalTable {mso-style-name:Table Normal; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:; mso-padding-alt:0in 5.4pt 0in 5.4pt; mso-para-margin:0in; mso-para-margin-bottom:.0001pt; text-align:justify; mso-pagination:widow-orphan; font-size:11.0pt; font-family:Calibri,sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin;}
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 | 0,019 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,011 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,007 |
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 ».