MétaCan
Menu
Retour à la cohorte
Enregistrement W2894816812 · doi:10.3389/fpsyg.2018.01871

The Negative and Positive Aspects of Employees’ Innovative Behavior: Role of Goals of Employees and Supervisors

2018· article· en· W2894816812 sur OpenAlexaff
Ying Zhang, Jian Zhang, Jacques Forest, Chunxiao Chen

Notice bibliographique

RevueFrontiers in Psychology · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesChina Scholarship CouncilNational Natural Science Foundation of China
Mots-clésPsychologyModerationSupervisorJob performanceSocial psychologyPositive relationshipApplied psychologyJob satisfactionManagement

Résumé

récupéré en direct d'OpenAlex

We aim to examine the negative (relationship conflict) and positive (in-role job performance) outcomes of employees' innovative behavior and explore the moderation effect of employees' goal content and supervisors' achievement goal orientation in these relationships. Data from 218 employees and their immediate supervisors were collected in companies in China and results show that employees' innovative behaviors are positively related to their relationship conflict and in-role job performance, and employees' extrinsic goals and supervisors' performance goal moderate these relationships. Specifically, employees' innovative behaviors were significantly and positively related to relationship conflict when either employees have high extrinsic goals or supervisor have high performance goals or both; and when supervisor have low level of performance goals, employees' innovative behaviors were significantly and positively related to their in-role job performance. We contribute in showing when there are positive and negative outcomes of employees' innovative behaviors and document the effect of moderating factors that may strengthen these benefits and lower the conflicts.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,010
Tête enseignante GPT0,269
Écart entre enseignants0,258 · 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'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

Citations25
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetJob Satisfaction and Organizational BehaviorTravaux en français237 207