Sticks and stones can break my bones but words can also hurt me: The relationship between customer verbal aggression and employee incivility.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Customer service employees tend to react negatively to customer incivility by demonstrating incivility in return, thereby likely reducing customer service quality. Research, however, has yet to uncover precisely what customers do that results in employee incivility. Through transcript and computerized text analysis in a multilevel, multisource, mixed-method field study of customer service events (N = 434 events), we found that employee incivility can occur as a function of customer (a) aggressive words, (b) second-person pronoun use (e.g., you, your), (c) interruptions, and (d) positive emotion words. First, the positive association between customer aggressive words and employee incivility was more pronounced when the verbal aggression included second-person pronouns, which we label targeted aggression. Second, we observed a 2-way interaction between targeted aggression and customer interruptions such that employees demonstrated more incivility when targeted customer verbal aggression was accompanied by more (vs. fewer) interruptions. Third, this 2-way interaction predicting employee incivility was attenuated when customers used positive emotion words. Our results support a resource-based explanation, suggesting that customer verbal aggression consumes employee resources potentially leading to self-regulation failure, whereas positive emotion words from customers can help replenish employee resources that support self-regulation. The present study highlights the advantages of examining what occurs within customer-employee interactions to gain insight into employee reactions to customer incivility. (PsycINFO Database Record
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.
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 | 0,002 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle