MétaCan
Menu
Retour à la cohorte
Enregistrement W2732679205 · doi:10.1027/1866-5888/a000182

The Relation Between Financial Incentives, Motivation, and Performance

2017· article· en· W2732679205 sur OpenAlexaff
Anaïs Thibault Landry, Marylène Gagné, Jacques Forest, Sylvie Guerrero, Michel Séguin, Konstantinos Papachristopoulos

Notice bibliographique

RevueJournal of Personnel Psychology · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésIncentiveWork (physics)Compensation (psychology)Relation (database)PsychologyFinancial compensationPath analysis (statistics)Organizational justiceFinanceMicroeconomicsSocial psychologyBusinessEconomicsOrganizational commitment

Résumé

récupéré en direct d'OpenAlex

Abstract. To this day, researchers are debating the adequacy of using financial incentives to bolster performance in work settings. Our goal was to contribute to current understanding by considering the moderating role of distributive justice in the relation between financial incentives, motivation, and performance. Based on self-determination theory, we hypothesized that when bonuses are fairly distributed, using financial incentives makes employees feel more competent and autonomous, which in turn fosters greater autonomous motivation and lower controlled motivation, and better work performance. Results from path analyses in three samples supported our hypotheses, suggesting that the effect of financial incentives is contextual, and that compensation plans using financial incentives and bonuses can be effective when properly managed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,017
Score d'incertitude au seuil0,715

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,283
Écart entre enseignants0,252 · 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 tête enseignante, 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

Citations57
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Personnel PsychologyMême sujetJob Satisfaction and Organizational BehaviorTravaux en français237 207