Moral Equivalence Through Benevolence, Licensing, and Cleansing
Notice bibliographique
Résumé
In the past six years, the relationship between virtue and vice has aroused extensive attention from organizational ethics scholars, and research within this area of inquiry generally supports a view of moral equivalence: that an invisible mental scale plays a role in people’s moral judgements and decisions in the workplace (Klotz & Bolino, 2013). On the one hand, virtue that are prosocial or pro-organizational are argued to license vice such as unethical behavior (Monin & Miller, 2001) and counterproductive work behavior (Klotz & Bolino, 2013). On the other hand, vice is often deemed compensable or justifiable through moral cleansing (i.e., engaging in subsequent good deeds; Tetlock, Kristel, Elson, Green, & Lerner, 2000), literal cleansing (i.e., hygiene; Zhong & Liljenquist, 2006), or having good and prosocial intentions (Umphress & Bingham, 2011). Although the moral equivalence view has received both theoretical and empirical support, our understanding about it is still relatively nascent. At present, we know little about the context and boundary conditions under which moral equivalence plays a role in people’s moral decisions and judgments. This suggests that next generation research on moral equivalence should explore contexts and conditions that trigger people’s mental scale for moral issues, such as to what extent licensing effects may cross work-life boundaries, how licensing affects judgments we make of others, and whether credits may actually be “borrowed” proactively across time horizons. In light of this, our symposium aims to deepen our understanding of moral equivalence by bringing together five papers that explore different contexts, as well as conditions that can color people’s moral decisions and judgements. The goal of the proposed symposium is to explore and motivate “next generation” questions surrounding moral equivalence in the workplace. Vicarious Moral Licensing at Work: When Does Follower Citizenship License Leader Deviance? Presenter: Ghufran Ahmad; Lahore U. of Management Sciences Presenter: Anthony Klotz; Oregon State U. Presenter: Mark C Bolino; U. of Oklahoma Unethical gratitude? Communal Sharing Predicts Gratitude After Others Unethical Behavior Presenter: S Wiley Wakeman; London Business School Moral Licensing Effects of Positive Parenting Presenter: Feng Qiu; U. of Oregon Presenter: David T. Wagner; U. of Oregon Presenter: Lei Huang; Auburn U. Presenter: Keith Norman Leavitt; Oregon State U. An Investigation of the Effects of Hygiene Behaviors on Moral Consequences Presenter: Jenny Hejia Wang; Georgia State U. Presenter: Tianyu He; INSEAD Presenter: Colin West; UCLA Anderson School of Management Presenter: Chen-Bo Zhong; U. of Toronto An Angel Now to be a Demon Later: A Moral Pre-Cleansing Model Presenter: Denton Hatch; U. of Arizona Presenter: Han Jiang; U. of Arizona
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,016 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,000 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».