MétaCan
Menu
Retour à la cohorte
Enregistrement W2856626210 · doi:10.5465/ambpp.2018.11581abstract

Prosocial Motivation as a Double-Edged Sword on Creativity

2018· article· en· W2856626210 sur OpenAlexaff
Yeun Joon Kim, Ji Sok Choi

Notice bibliographique

RevueAcademy of Management Proceedings · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésProsocial behaviorCreativityNoveltyPsychologyTask (project management)Social psychologyCognitive psychology

Résumé

récupéré en direct d'OpenAlex

The current research develops the theoretical account of how prosocial motivation relates to creativity and how prosocial impact of task affects this relationship. I theorize that prosocial motivation has conflicting influences on employee creativity such that it bolsters the usefulness but hinders the novelty dimension of creativity. In an effort to search for a way of increasing prosocial employees’ creativity, I investigate the roles of prosocial impact of task. Specifically, I hypothesize that prosocial employees are likely to show higher levels of creativity when they work on tasks that can benefit others. This is because such tasks meet the needs of prosocial employees and thus increase their intrinsic motivation on the tasks, which then complements the weakness of prosocial employees (i.e., novelty). A mix of three laboratory and quasi-field experiments supported the hypotheses. Study 1 (a laboratory experiment) showed that prosocial motivation increases usefulness while decreasing novelty of ideas. Study 2 (a quasi-field experiment) found that prosocial impact of task enables prosocial individuals to be creative in idea generation by increasing not only novelty but also usefulness. Study 3 (a quasi-field experiment) showed that intrinsic motivation mediates the interactive effects that prosocial motivation and prosocial impact of task have on creativity. Theoretical and practical implications, as well as directions for future research, are discussed.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,801
Score d'incertitude au seuil0,636

Scores Codex et Gemma par catégorie

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

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 Opus0,082
Tête enseignante GPT0,397
Écart entre enseignants0,315 · 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'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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetCreativity in Education and NeuroscienceTravaux en français237 207