MétaCan
Menu
Retour à la cohorte
Enregistrement W3168509151 · doi:10.1287/orsc.2021.1468

(How) Will I Socialize You? The Impact of Supervisor Initial Evaluations and Subsequent Support on the Socialization of Temporary Newcomers

2021· article· en· W3168509151 sur OpenAlexaff
Lucas Dufour, Pablo Escribano, Massimo Maoret

Notice bibliographique

RevueOrganization Science · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Student and Expatriate Challenges
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésDivestmentSocializationProactivitySupervisorPsychologySocial psychologyCreativityTask (project management)Sample (material)Public relationsBusinessManagementPolitical scienceEconomics

Résumé

récupéré en direct d'OpenAlex

This study proposes and tests a new theoretical model explaining whether, and how, supervisors socialize “temporary newcomers,” defined as new organizational members who join an organization on a temporary basis, with a potential, but uncertain, opportunity of receiving a long-term job offer in the future. We suggest that under specific conditions, supervisors first evaluate temporary newcomers’ proactivity based on whether they positively stand out by proposing new feasible ideas and by promoting their achievements. On the basis of these initial evaluations, supervisors then decide whether to increase their support of newcomers’ creativity (using an investiture approach) or to intensify newcomers’ socialization by attempting to change their behavior (using a divestiture approach). When supervisors adopt an investiture approach, it positively influences temporary newcomers’ socialization adjustment outcomes, as indicated by increased newcomer job satisfaction, social integration, task performance, organizational and task socialization, challenge stress, and reduced hindrance stress. When supervisors instead adopt a divestiture approach, it has an opposite (thus negative) effect on the same socialization outcomes. We tested our theoretical model using a mix-method design, based on a three-wave longitudinal sample of 325 newcomer–supervisor dyads spanning a wide range of companies and industries, complemented with interviews of 41 supervisors.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,470
Score d'incertitude au seuil0,772

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,085
Tête enseignante GPT0,405
Écart entre enseignants0,320 · 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'étudeQualitatif
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

Citations28
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrganization ScienceMême sujetInternational Student and Expatriate ChallengesTravaux en français237 207