Is turnover contagious? The impact of transformational leadership and collective turnover on employee turnover decisions
Notice bibliographique
Résumé
Purpose This study addresses three research questions related to employee turnover: (1) does transformational leadership act as a pull-to-stay factor for employees? (2) How well does turnover intention predict actual turnover behavior? (3) Does collective turnover moderate the link between turnover intentions and turnover behaviors? Design/methodology/approach Latent moderated structural equation modeling was employed with longitudinal and multi-source data from car dealerships located in the Seoul Capital Area, South Korea. Findings The results indicate a negative relationship between transformational leadership and turnover intentions and a positive relationship between turnover intentions and turnover behavior. Furthermore, the results provide empirical support for turnover contagion as a mechanism triggering turnover intentions into turnover behavior in the workplace. Originality/value This study provides a timely and novel contribution to the areas of leadership and employee turnover due to the underexplored research area of transformational leadership, the growing body of literature that questions the fixed assumption in employee turnover studies and the increasing interest in collective turnover. Importantly, existing research has examined the concept of collective turnover from a quantity perspective, aggregating individual turnover to group levels. This study provides a more nuanced, comprehensive evaluation of the quality of turnover, by considering the impact of performance contribution aspects of turnover at the business unit level.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».