Performing on-demand work via effective strategies: Setting goals contingent upon regulatory foci
Notice bibliographique
Résumé
Integrating two theoretically distinct approaches to motivation that focus on situational and dispositional goals, we investigated the effects of goal setting (single vs. double goals) on performance of on-demand workers over time, contingent upon regulatory foci (a promotion vs. a prevention focus) and through task-effective strategies. We adopted a mixed-method, multi-study, and multi-wave research design. In Study 1, the results from a focus group involving high-performing drivers from a Chinese ride-hailing platform headquartered in Beijing, China showed that they typically set vague goals (do-your-best) on a regular basis to earn their living. Individuals differ fundamentally in the way they regulate their behaviors when pursuing multiple work-related goals. Complementing Study 1, two concurrent field experiments, Study 2a (Nanjing, n = 571) and Study 2b (Chengdu, n = 1,535) were conducted involving drivers registered with the same ride-hailing platform. The results from these experiments consistently showed that setting a single goal (i.e., working hour or revenue) led to significantly higher performance than did setting double goals (i.e., both working hour and revenue). Structural equation modeling (SEM) results showed that regulatory foci moderated the goal setting effect on task-effective strategies, which in turn, affected performance. Specifically, drivers with a low promotion focus produced less effective strategies in the double goal-setting condition than did those in the single-goal condition, which in turn, led to performance decrements. Overall, we showed the differential effect of setting single vs. double goals on performance, its boundary condition (regulatory foci) as well as mediating mechanism (task-effective strategies). Our findings offer novel insights into the theoretical integration of goal setting and regulatory focus as two separate yet complementary approaches to motivation.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».