Must Heads Roll? A Critique of and Alternative Approaches to Swift Blame
Notice bibliographique
Résumé
When mistakes or perceived wrongdoings occur in the workplace, managers—like most human beings—demonstrate the tendency to locate someone to blame, including assigning responsibility and sanctioning perceived wrongdoers for their actions. We highlight that although this response can be motivated by organizational, legal, and psychological factors, blame can be detrimental to the organization and its employees when it occurs in a spontaneous and nondeliberative manner, which we label swift blame. We argue that swift blame can involve distorted perceptions and judgment, exacerbate conflict, erode employee engagement, and stifle organizational learning. We further argue that managers have a special responsibility to thoughtfully and carefully consider how they react to perceived wrongdoings. Drawing from dual processing theory of cognition, we propose that managers can respond more effectively by adopting perspectives that slow down these tendencies and promote more thoughtful reactions. To this end we highlight research opportunities for three alternatives to swift blame: (a) a no-blame approach, (b) systems of inquiry and accountability, and (c) mindfulness training.
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 | 0,026 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,083 |
| Communication savante | 0,009 | 0,014 |
| Science ouverte | 0,007 | 0,006 |
| Intégrité de la recherche | 0,014 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».