MétaCan
Menu
Retour à la cohorte
Enregistrement W2157099214 · doi:10.1177/0886260513518841

Harm to Those Who Serve

2014· article· en· W2157099214 sur OpenAlexaff
Kathryne E. Dupré, Kimberly-Anne Dawe, Julian Barling

Notice bibliographique

RevueJournal of Interpersonal Violence · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWorkplace Violence and Bullying
Établissements canadiensQueen's UniversityCarleton University
Organismes subventionnairesnon disponible
Mots-clésAggressionPsychologyHarmSocial psychologyHuman factors and ergonomicsPoison controlStructural equation modelingInjury preventionSuicide preventionDevelopmental psychologyMedicineMedical emergency

Résumé

récupéré en direct d'OpenAlex

While there is a large body of research on the effects of being a direct target of workplace aggression, there is far less research on the vicarious experience of aggression at work, despite the fact that more people experience workplace aggression vicariously (i.e., observe it or hear about it) than they do directly. In this study, we develop and test a model of the effects of direct and vicarious exposure to aggression that is directed at employees by customers. Structural equation modeling provided support for the proposed model, in which direct and vicarious workplace aggression influences the perceived risk of future workplace aggression, which in turn affects organizational attachment (affective commitment and turnover intentions) and individual well-being (psychological and physical). Conceptual research and policy implications are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,008

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,331
Écart entre enseignants0,310 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Interpersonal ViolenceMême sujetWorkplace Violence and BullyingTravaux en français237 207