Employees’ reactions toward COVID-19 information exposure: Insights from terror management theory and generativity theory.
Notice bibliographique
Résumé
As the coronavirus disease (COVID-19) has imposed significant risks to our health and affected our social and economic order, information on COVID-19 becomes readily accessible via various mass media and social media. In the current research, we aim to understand the impacts of employees' exposure to COVID-19 information on their workplace behaviors. Integrating Terror Management Theory (TMT; Becker, 1973; Greenberg et al., 1986) with Generativity Theory (Erikson, 1963, 1982), we proposed and investigated two psychological mechanisms (i.e., death anxiety and generativity-based death reflection) that account for the effects of employees' COVID-19 information exposure on their work withdrawal and helping behaviors toward coworkers. We also examined organizational actions [internal and external corporate social responsibility (CSR) activities] that served as a context for employees to make sense of their COVID-19 information exposure. We conducted two studies with samples of full-time employees (N1 = 278; N2 = 382) to test our predictions. Results in both studies showed that employees' exposure to COVID-19 information was positively related to their death anxiety and generativity-based death reflection, which in turn predicted their work withdrawal and helping behaviors, respectively. Further, employees' perceived internal CSR of their organization mitigated the positive association between COVID-19 information exposure and their death anxiety, weakening the positive indirect effect of COVID-19 information exposure on their work withdrawal. Our study offers new insights to the understanding of work and employment in the COVID-19 pandemic and sheds light on how individuals' death-related experiences shape work-related behaviors. (PsycInfo Database Record (c) 2021 APA, all rights reserved).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,016 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».