MétaCan
Menu
Retour à la cohorte
Enregistrement W2765536135 · doi:10.5465/ambpp.2016.14853abstract

"The Good, the Bad or Just Plain Bored? Boredom Predicting Citizenship and Counterproductive Behavior"

2016· article· en· W2765536135 sur OpenAlexaff
Patricia L. Baratta, Jeffrey S. Spence

Notice bibliographique

RevueAcademy of Management Proceedings · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMind wandering and attention
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésBoredomCounterproductive work behaviorOrganizational citizenship behaviorPsychologySocial psychologyFeelingHarmConstruct (python library)Prosocial behaviorPersonalityOrganizational commitment

Résumé

récupéré en direct d'OpenAlex

Boredom is often treated as a “dark” construct with the potential to harm organizations. Recently, however, researchers have proposed a “light” side of boredom wherein it could benefit organizations. In the present paper, we juxtapose the “dark” and “light” sides of boredom by investigating the extent to which feeling bored at work causes individuals to perform counterproductive work behavior (CWB) and organizational citizenship behavior (OCB). To test these hypotheses, we surveyed 136 full-time employees using experience sampling methodology. Our results indicated that whereas bored individuals engage in CWB, they are unlikely to perform OCB. In addition, we found evidence suggesting that need for achievement and proactive personality moderate the relations between feeling bored and CWB and OCB, respectively. Our results support the idea that individual differences may shape bored employees’ behavior, such as by enabling them to perform prosocial acts in addition to harmful ones.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,321
Score d'incertitude au seuil0,430

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
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 Opus0,041
Tête enseignante GPT0,285
Écart entre enseignants0,244 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetMind wandering and attentionTravaux en français237 207