MétaCan
Menu
Retour à la cohorte
Enregistrement W3122775769 · doi:10.1093/workar/waaa030

Age and Emotions in Organizations: Main, Moderating, and Context-Specific Effects

2020· article· en· W3122775769 sur OpenAlexaff
Susanne Scheibe, Frank Walter, Yujie Zhan

Notice bibliographique

RevueWork Aging and Retirement · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésCategorizationInclusion (mineral)PsychologyContext (archaeology)Work (physics)Conceptual frameworkCognitive psychologySocial psychologyApplied psychologySociologyComputer scienceSocial science

Résumé

récupéré en direct d'OpenAlex

Abstract This editorial introduces the Special Issue on “Age and Emotions in Organizations.” The Special Issue aims at leveraging theory and research on emotional aging to better understand the work-related consequences associated with employees’ age. After summarizing relevant theories of emotional aging, we develop 3 overarching conceptual models that allow for a categorization of research linking age, emotions, and work outcomes. We emphasize that these models are applicable to a wide range of age-related and emotion-related variables as well as work outcomes at multiple levels of analysis, and they allow for the inclusion of a broad array of personal and contextual boundary conditions. Building on these considerations, we summarize the 5 articles comprised within this Special Issue. Finally, we depict a number of future directions for research aimed at understanding age effects in organizations through an emotional lens.

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 enseignants0,132
Score d'incertitude au seuil0,449

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 technologies0,0010,000
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 Opus0,096
Tête enseignante GPT0,343
Écart entre enseignants0,247 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueWork Aging and RetirementMême sujetRetirement, Disability, and EmploymentTravaux en français237 207