MétaCan
Menu
Retour à la cohorte
Enregistrement W3198782944 · doi:10.1108/dlo-05-2021-0092

Why won’t people speak up? Unpacking silence at work

2021· article· en· W3198782944 sur OpenAlexaff
Angela Workman-Stark

Notice bibliographique

RevueDevelopment in Learning Organizations An International Journal · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésSilenceOriginalityUnpackingPublic relationsValue (mathematics)Vulnerability (computing)Employee voiceOrganizational cultureDiversity (politics)Work (physics)SociologyPsychologySocial psychologyPolitical scienceComputer scienceCreativity

Résumé

récupéré en direct d'OpenAlex

Purpose This paper examines employee silence, namely, the causes of silence and how it might be overcome. Design/methodology/approach Drawing from academic research and work with organizations, the author explains that workplace diversity is insufficient to guarantee the contributions of diverse voices. The author then provides an overview of why individuals choose to remain silent and explores aspects of organizational culture and climate that contribute to silencing behaviors. Finally, the author offers suggestions on how organizational leaders can overcome silence. Findings The findings suggest that employee voice can be activated through a psychologically safe working environment in which leaders adopt a learning mindset, practice humility, create opportunities for all team members to contribute, treat people with fairness and respect, and hold others accountable to do the same. The findings also indicate that leaders can support safe and inclusive working environments by challenging basic assumptions and accepting vulnerability. Originality/value This paper makes an important contribution to the field of organization development and change by providing suggestions for how organizations can address workplace concerns and enhance performance by removing the inhibitors of “employee voice”.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,027
Communication savante0,0110,010
Science ouverte0,0020,009
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,012
Tête enseignante GPT0,228
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDevelopment in Learning Organizations An International JournalMême sujetManagement and Organizational StudiesTravaux en français237 207