Relational Outcomes of Multicommunicating: Integrating Incivility and Social Exchange Perspectives
Notice bibliographique
Résumé
New communication technologies, increased virtual communication, and the intense pressure for managers and employees to be continually available and “online” are giving rise to a new and emerging workplace behavior: multicommunicating (MC), or the managing of multiple conversations at the same time. Whereas researchers in psychology and management have studied the phenomenon of multitasking, few have examined multitasking where one juggles not just multiple tasks but multiple people and often multiple media at the same time. We use the spiral theory of incivility to investigate the relational outcomes of MC from the perspective of the communication partners being juggled. Our research extends this theory by further exploring the starting point of the spiral and—through the application of social exchange theory—suggesting several antecedents to incivility that are important in the context of MC. Employing a survey methodology, both qualitative and quantitative data were collected to test the theory (n = 324) and were analyzed using qualitative thematic analysis and structural equation modeling. The results suggest several factors influencing the partner's perceptions of focal individual incivility during MC, including who initiates the conversation, whether one of the conversations being juggled is useful to the other conversation, the focal individual's performance during the conversation, whether the focal individual is more accessible to the partner, and whether the partner is certain of or only suspects the existence of the other conversation. Further, partners' perceptions of these factors are influenced by their individual orientations toward MC. Finally, the partners' perceptions of the focal individual's incivility influence their interpersonal trust in the focal individual.
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 | 0,008 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».