The Unintended Moral Consequences of Passion, Proactivity, and Information Sharing
Notice bibliographique
Résumé
Management scholars routinely advocate for passion, proactivity, and information sharing as ways to increase individual, team, and organizational performance. In this symposium, we gather leading and emerging researchers in the field of behavioral business ethics to consider the moral implications of these practices and recommendations. We contend that management scholars have advocated for these without fully considering their “moral costs.” In a series of papers, we demonstrate that passion, proactivity, and information sharing can have unexpected – and unintended – moral consequences. We explore the influence of these practices and recommendations on moral perceptions and moral decisions, and we consider the consequences of such for individuals, organizations, and societies. Taken together, our papers extend the emerging literature on the systematic side effects of traditional management practices and processes and offer important theoretical and empirical insights into moral decision making in organizations. Blinded by Passion: Perceptions of Passion and Moral Expectations and Evaluations of Others Presenter: Monica Gamez-Djokic; Northwestern Kellogg School of Management Presenter: Maryam Kouchaki; Northwestern Kellogg School of Management Where There is Light, There Must Be Shadow:The Impact of Proactivity on Immoral Behavior and Sleep Presenter: Mona Mensmann; Warwick Business School Presenter: Brian Gunia; Johns Hopkins U. #Hypocrites! The Effect of Conflicting CSR Information From Internal and External Channels Presenter: Lisa Lewin; Rutgers Business School Presenter: Danielle E. Warren; Rutgers U. Does Economics Education Make Us See Honesty as Costly? Presenter: Madeline Ong; Hong Kong U. of Science and Technology Presenter: Julia Lee; U. of Michigan Presenter: Bidhan Parmar; U. of Virginia Deadlined and Deceived: The Unexpected Costs of Revealing Final Deadlines in Negotiations Presenter: Joseph P. Gaspar; Quinnipiac U. Presenter: Redona Methasani; U. of Connecticut
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 | 0,030 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,043 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».