Unpacking the Relationship Between Customer (In)Justice and Employee Turnover Outcomes: Can Fair Supervisor Treatment Reduce Employees’ Emotional Turmoil?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Service employees can experience considerable resource demands from customers and supervisors in their day-to-day work. Guided by the conservation of resources (COR) perspective and organizational justice research, we explored the relationship between interpersonal injustice (e.g., being treated with low dignity and respect) by customers and employee turnover (e.g., voluntary turnover, turnover intentions). Specifically, we proposed that customer interpersonal injustice relates positively to employee turnover outcomes through a process first involving employee experiences of negative emotions, and second, employee emotional exhaustion. We also examined whether supervisor interpersonal justice mitigates this process by providing emotional resources that buffer the demands of customer interpersonal injustice. We evaluated these predictions in a programmatic series of three complementary field studies involving retail employees (Study 1, N = 263), restaurant employees (Study 2, N = 206), and contact center employees (Study 3, N = 317). The results showed that (a) customer interpersonal injustice relates positively to employees’ negative emotions, (b) employee negative emotions are positively associated with emotional exhaustion, and (c) emotional exhaustion relates to higher employee turnover outcomes. Our results also show that the indirect effect of customer interpersonal injustice on employee turnover intentions (Study 2) and voluntary turnover (Study 3) is weaker when employees perceive more (vs. less) supervisor interpersonal justice. Theoretical and practical implications are discussed.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle