A 10 Nation Exploration of Trustworthiness in The Workplace
Notice bibliographique
Résumé
In the context of the workplace, and especially in today’s often fast-paced, cross-cultural and virtual work environment, a basic type of trust—“swift trust”—forms quickly based on cognitive processes and beliefs, or stereotypes, of another. Interpersonal trust is in large part based on these contextualized assessments of the extent to which another person is trustworthy. While trust across cultural boundaries has been examined, there is a lack of research investigating how trustworthiness is determined cross-culturally, especially with respect to what heuristics are used in the development of trust. The current project explored how trustworthiness is conceptualized and described for both colleagues and supervisors across 10 nations using the Stereotype Content Model. Qualitative descriptors of trustworthy supervisors and colleagues were coded based on the importance ascribed to warmth and competence, and these codes were used as the basis for cluster analyses to examine similarities and differences in descriptors of role-based trustworthiness. Both differences and similarities in the expectations of trustworthiness were found across the national samples. Some cultures emphasized both warmth and competence as equally important components to developing trustworthiness, some emphasized only warmth, while others emphasized only competence. Variations of trustworthiness stereotypes were found in all but two national samples based on role expectations for supervisors and colleagues. Data from the GLOBE project related to societal cultural practices and cultural leadership prototypes were drawn on to discuss findings.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,004 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».