Effect of Elaborateness of Apology on Subsequent Disciplinary Action Considering Outcome Severity and Favorable Reputation as Moderators
Notice bibliographique
Résumé
Objectives: Both managers and scholars have strong reason to understand the human response of apology in different degrees and under different circumstances as a possible influencer of punishment of employees for violating workplace rules. The purpose of this study is to investigate the effect of apology on subsequent disciplinary action, considering different levels of elaborateness of apology, severity of outcomes, and favorableness of reputation. Methods: A 3 × 2 × 2 between subject factorial design experiment was conducted with 262 participants. The dependent variable was discipline, and three independent variables included the elaborateness of apology, the offender’s reputation, and the severity of outcome resulting from the violation. Collected data was analyzed using ANOVA and planned comparisons. Results: The claim that apology leads to less punishment was partially supported. Although there was no statistically significant support for an apology’s effect on a 6-item composite measure of disciplinary action, the effects of apology on individual items such as dismissal showed significance. There was also support for the effects of severity of outcome and reputation of the offender on the level of disciplinary action recommended. Conclusions: The results of the present study demonstrate that the issue of apology’s effect on discipline is more complex than once thought. Thus greater consideration should be taken in efforts to achieve a better understanding of its effects.
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 | 0,003 | 0,002 |
| 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) | 0,000 | 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 ».