The Management of Identity-Based Conflicts: New Directions in Justice Research
Notice bibliographique
Résumé
This symposium explores a recently intensifying phenomenon of how actors manage their public identities in the #MeToo era – an era that highlights the tensions among those seeking distributive justice, due process, accountability, and endorsing psychological safety. We explore this phenomena through the lens of organizational justice, thereby broadening its application and relevance by raising new research questions and domains of study. In particular, we explore how one’s social identity shapes the aftermath of organizational conflicts, including how harshly (and why) actors’ actions may be judged and whether actors may (or may not) be forgiven, redeemed, and reintegrated. Three papers speak to these topics. Most of the symposium will be devoted to interactive discussions of each paper, then interactive discussion of the broad themes, questions, and challenges. Forgiveness in the Workplace: An Identity-Based Perspective Presenter: Michael E. Palanski; Rochester Institute of Technology Presenter: Laurie Barclay; Wilfrid Laurier U. Presenter: Nicholas Difonzo; Rochester Institute of Technology The Effect of Mindsets and Ex-Offenders’ Redemptive Narratives on Managers’ Willingness to Hire Presenter: Eunjeong Shin; Washington State U. Easier Lie the Heads: Evidence of a Gender Vilification Gap in Appraisals of Employee Misbehavior Presenter: Chuck Howard; U. of British Columbia Presenter: Ramona Bobocel; U. of Waterloo Presenter: Samir Nurmohamed; The Wharton School, U. of Pennsylvania Presenter: Karl Aquino; U. of British Columbia Presenter: Maja Graso; U. of Otago
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».