Beyond individual justice facets: How (Mis)alignment between justice climates affects customer satisfaction through frontline customer extra-role service behavior
Notice bibliographique
Résumé
This study examines the combined effect of organizational justice facets on store-level customer extra-role service behavior, and subsequently on customer satisfaction. Hypotheses were tested on a sample of 1,951 employees in 121 business units from four countries, and on 55,731 customers of an international retailer. The results of polynomial regression and response surface analysis revealed that unit customer service performance and customer satisfaction are higher when justice facets are aligned at high levels, compared to when they are aligned at low levels. Moreover, we found evidence that the consequences of misalignment between justice facets are asymmetrical. Unit outcomes were higher when distributive justice (DJ) and procedural justice (PJ) climates were both higher than the interpersonal justice climate, compared to when the inverse was true. Conversely, unit outcomes increased when informational justice (INF-J) climate was higher than DJ and PJ climates, compared to when DJ and PJ climates were higher than INF-J climates. The observed effects of misalignment between justice facets were non-linear, as complex curvilinear relationships were moderator-dependent. Customer satisfaction was higher in stores with higher team customer service behavior, and team service behavior was found to be a significant conduit by which justice facets (mis)alignment influence customer satisfaction.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».