MétaCan
Menu
Retour à la cohorte
Enregistrement W3021849028 · doi:10.1111/ijsa.12288

Willingness to fake: Examining the impact of competitive climate and hiring situations

2020· article· en· W3021849028 sur OpenAlexafffund
Jordan L. Ho, Deborah M. Powell, Jeffrey S. Spence, Andrew Perossa

Notice bibliographique

RevueInternational Journal of Selection and Assessment · 2020
Typearticle
Langueen
DomainePsychology
ThématiquePersonality Traits and Psychology
Établissements canadiensWilfrid Laurier UniversityUniversity of Guelph
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésHonestyVignettePsychologyHumilitySocial psychologyCompetitive advantageMarketingBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Applicants may be willing to fake in job interviews with the aim of creating a positive impression. In two vignette‐based experiments, we examined if a competitive—versus noncompetitive—climate (Study 1) and hiring situation (Study 2) increased participants' willingness to fake. We also examined if Honesty–Humility and Competitive Worldviews moderated the relation between willingness to fake and how competitive participants believed they must be in order to secure the job. Results demonstrated that a competitive climate and hiring situation increased willingness to fake. Honesty–Humility and Competitive Worldviews were related to willingness to fake, but these relations did not change substantially at different levels of perceived need for competitiveness. Overall, results lend some theoretical support to propositions about applicant faking.

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 enseignants0,355
Score d'incertitude au seuil0,261

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 savante0,0000,000
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 Opus0,077
Tête enseignante GPT0,441
Écart entre enseignants0,364 · 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

Citations17
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Selection and AssessmentMême sujetPersonality Traits and PsychologyTravaux en français237 207