MétaCan
Menu
Retour à la cohorte
Enregistrement W2796148787 · doi:10.5465/ambpp.2015.13821symposium

New Development in Self-Control Theory and its Applications in Organizational Research

2015· article· en· W2796148787 sur OpenAlexaff
Gary P. Latham

Notice bibliographique

RevueAcademy of Management Proceedings · 2015
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEgo depletionMindfulnessSelf-controlPsychologyControl (management)Social psychologyTraitAggressionEmpirical researchComputer sciencePsychotherapist

Résumé

récupéré en direct d'OpenAlex

Self-control is one of the most important functions that human beings possess. However, current research on how it affects organizational management is limited. Self-control theory perspectives suggest that although individuals differ in their self-control ability (i.e., trait self-control), engagement in self-control also depletes one’s self-control resources, resulting in diminished state self-control ability (i.e., ego depletion) and subsequent self-control failure. The four empirical papers in the symposium consider the role of both trait and state self-control in affecting various organizational phenomenon. The symposium contributes to our understanding of how self-control works in organizational management by examining: (1) organizational behaviors that deplete one’s self-control resources (e.g., ethical leadership and surface acting when interacting with customers); (2) the interactive effects of factors depleting self-control resources and self-control capacity (e.g., surface acting and trait self-control; status loss and demonstration of self-control ability; hostility and mindfulness); (3) mediating mechanisms that explain how individual differences in self-control play a role (e.g., mindfulness leads to reduced surface acting); (4) consequences of self-control success or failure (i.e., abusive supervision, aggression, protecting the legitimacy of authorities after status loss). The papers included in this symposium draw on the self-control literature, use strong methodological approaches (e.g. experimental designs, multi-source designs, multi-wave data collections, multiple studies) to test their hypotheses, and propose novel perspectives on self-control (e.g., mindfulness as an indicator of self-control capacity, the benefits of demonstrating self-control ability). This symposium will contribute to the 2015 Academy of Management Conference by adding new perspectives to self-control theories and their applications in explaining various organizational behaviors, and by evoking interesting discussions among management researchers. After the Fall: Demonstrating Self-Control Protects the Legitimacy of Authorities After Status Loss Presenter: Jennifer Carson Marr; Georgia Institute of Technology Presenter: Stefan Thau; INSEAD Presenter: Nate Pettit; New York U. A Self-Control Perspective on the Link Between Surface Acting and Abusive Supervision Presenter: Kai Chi Yam; National U. of Singapore Presenter: Ryan Fehr; U. of Washington, Seattle Presenter: Fong T. Keng; U. of Washington Presenter: Anthony Klotz; Oregon State U. The Mechanisms of Mindfulness in Regulating Aggressive Behaviors Presenter: Lindie Hanyu Liang; U. of Waterloo Presenter: Huiwen Lian; Hong Kong U. of Science and Technology Presenter: Samuel Ian Hanig; U. of Waterloo Presenter: Douglas J. Brown; U. of Waterloo Presenter: Lance Ferris; Pennsylvania State U. Presenter: Lisa M. Keeping; Wilfrid Laurier U. When Ethical Leadership Turns Abusive: Role of Ego Depletion and Moral Licensing Presenter: Szu-Han Lin; Michigan State U. Presenter: Jingjing Ma; Michigan State U. Presenter: Russell E. Johnson; Michigan State U.

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)0,008
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,010
Études des sciences et des technologies0,0020,011
Communication savante0,0060,007
Science ouverte0,0020,003
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,137
Tête enseignante GPT0,411
Écart entre enseignants0,274 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetTechnology Adoption and User BehaviourTravaux en français237 207