MétaCan
Menu
Retour à la cohorte
Enregistrement W2964690926 · doi:10.5465/ambpp.2019.12323symposium

From Apples and Cases to Barrels and Orchards: Macro-Level Drivers of Workplace Abuse

2019· article· en· W2964690926 sur OpenAlexaffabout
Victoria Louise Roberts, Víctor Sojo, David Howard, Tine Koehler, Jana L. Raver, Ingrid C. Chadwick, Xiaoxi Chang, José M. Cortina, M. Gloria González‐Morales, Felix Grant, Cheryl E. Gray, Elise Holland, Adrienne O’Neil, Jesse E. Olsen, Rebecca Schachtman, Paul E. Spector, Logan M. Steele, Adriana Vargas-Sáenz

Notice bibliographique

RevueAcademy of Management Proceedings · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensUniversity of GuelphQueen's UniversityWorkplace Health, Safety and Compensation Commission
Organismes subventionnairesnon disponible
Mots-clésHarassmentPublic relationsHarmInterpersonal communicationWorkplace violenceContext (archaeology)Verbal abuseSociologyPsychologyPolitical scienceSocial psychologyPoison controlSuicide prevention

Résumé

récupéré en direct d'OpenAlex

Workplace abuse, broadly defined as interpersonal mistreatment against employees in the workplace that might harm or injure them and contribute to a hostile work environment, is one of the most pervasive and harmful problems faced by organizations worldwide. In the current symposium, we focus attention on the macro-level drivers of workplace abuse that occur within organizations and in society more generally. At the societal level, we will have one paper about important global trends affecting today’s organizations. The paper investigates how, why, and for whom these macro forces have implications when it comes to workplace harassment. At the organizational level, we will have three papers, one dedicated to unpacking the multiple dimensions of organizational tolerance for abuse. Two more papers will focus on structural organizational features, namely the mechanisms of communication, and structural pay inequality that can impact perceptions of interpersonal abuse at work. We argue that a stronger focus on studying the “barrel” and “orchard”, rather than “apples” and “cases”, can enhance our understanding of social and structural factors that underpin everyday workplace interactions and help us identify new avenues of theorizing and practice to prevent interpersonal workplace abuse. Workplace Harassment in the Larger Social Context - A Function of Our Times Presenter: Jana L. Raver; Queen's U. Presenter: Ingrid Chadwick; Concordia U. Presenter: Xiaoxi Chang; Smith School of Business, Queen's U. Organizational Tolerance and Non-Accidental Violence in Sport - A Systematic Review Presenter: Victoria Louise Roberts; U. of Melbourne Presenter: Victor Sojo Monzon; Centre for Workplace Leadership, The U. of Melbourne Presenter: Felix Grant; U. of Melbourne Reply to All - A Content Analysis of Email Incivility Presenter: David Jay Howard; U. of South Florida Presenter: Cheryl Gray; U. of South Florida Presenter: Logan Macray Steele; U. of South Florida Presenter: Paul E Spector; U. of South Florida Pay Disparity, Leader-Member Exchange and Incivility - A Contextual Approach Presenter: Tine Koehler; U. of Melbourne Presenter: M. Gloria Gonzalez-Morales; U. of Guelph Presenter: Jose M. Cortina; Virginia Commonwealth U. Presenter: Jesse E. Olsen; U. of Melbourne Presenter: Adrienne O'Neil; U. of Melbourne Presenter: Adriana Vargas-Saenz; U. of Melbourne Presenter: Rebecca Schachtman; U. of Melbourne Presenter: Elise Holland; U. of Melbourne Presenter: Victor Sojo Monzon; Centre for Workplace Leadership, The U. of Melbourne

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,614

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,239
Écart entre enseignants0,221 · 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'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

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetJob Satisfaction and Organizational BehaviorTravaux en français237 207