Factors influencing ethical climate in a nonprofit organisation: an empirical investigation
Notice bibliographique
Résumé
Abstract Drawing from Victor and Cullen's[Victor, B. and Cullen, J. B. (1987) ‘A theory and measure of ethical climate in organizations’, Research in Corporate Social Performance and Policy, Vol. 9, pp. 51–71.],[Victor, B. and Cullen, J. B. (1988) ‘The organizational bases of ethical work climates’, Administrative Science Quarterly, Vol. 33, pp. 101–125.] theoretical framework a recent study by Agarwal and Malloy[Agarwal, J. and Malloy, D. C. (1999) ‘Ethical work climate dimensions in a not‐for‐profit organization: An empirical study’, Journal of Business Ethics, Vol. 20, pp. 1–14.] examined ethical work climate dimensions in the context of a nonprofit organisation. This paper reviews the framework and extends the study further by investigating several factors that influence the perception of ethical work climate in a nonprofit organisation. The multiple analysis of variance (MANOVA) procedure is employed to test nine hypotheses. Results demonstrate somewhat unique findings regarding factors that influence ethical climate perception in a nonprofit context. Specifically, the findings of this study point to the level of education, decision style and the influence that superiors and volunteers have upon ethical perception. Results also demonstrate that factors that have been employed traditionally by forprofit management, such as length of service, codes of ethics, size of the organisation and peer pressure, do not effectively influence ethical perception in the nonprofit context. Finally implications of this study are discussed. Copyright © 2003 Henry Stewart Publications
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 | 0,014 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».