Notice bibliographique
Résumé
National Culture and Union Membership: A Cultural-Cognitive Perspective Moving beyond the normative and regulative perspectives of neo-institutional theory, this study adopted a cultural-cognitive perspective to study the influence of multiple dimensions of national culture on union membership. Cultural frameworks were compared using data from the World Values Survey that were matched to GLOBE and Hofstede national culture scores (n = 43,867 employees, 32 countries). Contrasts between GLOBE and Hofstede scores revealed that GLOBE culture constructs were better predictors and they also enabled an improved understanding of the relationships between national culture and union membership. This resolved the paradoxical lack of a significant relationship between collectivism and union membership in prior research. Specifically, union membership was positively related to institutional collectivism but not to in-group collectivism. Also, that fact that GLOBE Performance Orientation was negatively related to union membership explained why Hofstede’s Masculinity was negatively related to union membership in prior research. Moreover, prior research on union membership tended to use either individual level (i.e., employees) variables, or macro level (i.e., country) variables to explain union membership. Recently developed statistical techniques enabled the analysis of both individual and country level variables in a hierarchical model. Results show that union membership was positively related to sex (female), education, and institutional collectivism, and negatively related to occupation (supervisors and professionals) and performance orientation. There were curvilinear relationships between union membership and age and uncertainty avoidance. Younger and older people were less likely to be union members. Low or high uncertainty avoidance increased union membership. The juxtaposition of the influences of Age and Uncertainty Avoidance on union membership revealed an interesting phenomenon. Opposing curvilinear relationships (concave vs. convex), suggested a complex yet interrelated relationship between age and uncertainty avoidance that is worthy of future research. At different ages people may use uncertainty avoidance differently to evaluate the risks and benefits of union membership.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».