Employee disability disclosure and managerial prejudices in the return-to-work context
Notice bibliographique
Résumé
Purpose This paper investigates the extent to which disability type contributes to differential evaluation of employees by managers. In particular, the authors examined managerial prejudice against 3 disability diagnoses (i.e. psychiatric, physical disability and pending diagnosis) compared to a control group in a return-to-work scenario. Design/methodology/approach Working managers (N = 238) were randomly assigned to 1 of 3 scenarios containing medical documentation for a fictional employee that disclosed either the employee's psychiatric disability, physical disability, or a pending diagnosis. The authors also collected a separate sample (N = 42) as a control group that received a version of the medical documentation but contained no information about the disability diagnosis. Findings Compared with employees without stated disabilities, employees with a psychiatric disability were evaluated as more aggressive toward other employees, less trustworthy and less committed to the organization. Compared to employees with either physical disabilities or pending diagnoses, employees with psychiatric disabilities were rated as less committed to the organization. The authors discuss implications for future research and the trade-offs inherent in disability labeling and disclosure. Originality/value The current study extends prior research by examining a broader range of outcomes (i.e. perceived aggressiveness, trustworthiness and commitment) and moving beyond performance evaluations of employees with disabilities. The authors also assess the relative status of a “pending diagnosis” category—a type of disclosure often encountered by managers in many jurisdictions as part of accommodating employees returning to work from medical-related absence.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».