Feeling Heard: Experiences of Listening (or Not) at Work
Notice bibliographique
Résumé
Listening has been identified as a key workplace skill, important for ensuring high-quality communication, building relationships, and motivating employees. However, recent research has increasingly suggested that speaker perceptions of good listening do not necessarily align with researcher or listener conceptions of good listening. While many of the benefits of workplace listening rely on employees feeling heard, little is known about what constitutes this subjective perception. To better understand what leaves employees feeling heard or unheard, we conducted 41 interviews with bank employees, who collectively provided 81 stories about listening interactions they had experienced at work. Whereas, prior research has typically characterized listening as something that is perceived through responsive behaviors within conversation, our findings suggest conversational behaviors alone are often insufficient to distinguish between stories of feeling heard vs. feeling unheard. Instead, our interviewees felt heard or unheard only when listeners met their subjective needs and expectations. Sometimes their needs and expectations could be fulfilled through conversation alone, and other times action was required. Notably, what would be categorized objectively as good listening during an initial conversation could be later counteracted by a failure to follow-through in ways expected by the speaker. In concert, these findings contribute to both theory and practice by clarifying how listening behaviors take on meaning from the speakers' perspective and the circumstances under which action is integral to feeling heard. Moreover, they point toward the various ways listeners can engage to help speakers feel heard in critical conversations.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».