MétaCan
Menu
Retour à la cohorte
Enregistrement W3088811907 · doi:10.1111/ijsa.12307

Nonlinearity in the relationship between impression management tactics and interview performance

2020· article· en· W3088811907 sur OpenAlexaff
Chet Robie, Neil Douglas Christiansen, Joshua S. Bourdage, Deborah M. Powell, Nicolas Roulin

Notice bibliographique

RevueInternational Journal of Selection and Assessment · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensSaint Mary's UniversityUniversity of GuelphUniversity of CalgaryWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésPsychologyImpression managementSample (material)Social psychologyImpressionNonlinear systemFidelityLinear relationshipPoint (geometry)Applied psychologyStatisticsComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract This study examined the linear and nonlinear relationships between applicant impression management (IM) behaviors during the interview and subsequent interview performance. We proposed that honest IM would have a nonlinear effect on interview performance, whereas deceptive IM would demonstrate a linear effect. Hypotheses were examined using a sample of 693 high‐fidelity interviews. Results indicated that honest IM has a nonlinear relationship with interview performance, such that honest IM appears to only be effective up to a particular point, after which it becomes detrimental. Conversely, the relationship between deceptive IM and interview performance was more linear and negative. This study contributes to our understanding of IM by demonstrating that the effects of IM on performance are more complex than previously identified.

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)0,001
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 enseignants0,258
Score d'incertitude au seuil0,199

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,121
Tête enseignante GPT0,431
Écart entre enseignants0,310 · 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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Selection and AssessmentMême sujetDeception detection and forensic psychologyTravaux en français237 207