Bad, mad, or glad? Exploring the relationship between leaders' appraisals or attributions of their use of abusive supervision and emotional reactions
Notice bibliographique
Résumé
Abstract A large body of research has documented the ill effects of abusive supervision. However, this begs the question of why these behaviors continue to occur. To address this question, we contend that scholars need to understand how leaders—the perpetrators of these actions—make sense of abusive supervision. Specifically, drawing upon theories of appraisal and attribution, this paper examines leaders' cognitions of who is accountable for incidents of abusive supervision (i.e., the leader or the subordinate) and their future expectations (i.e., are individuals likely to engage in the same behaviors subsequently or are capable of change) and how these appraisals interact to shape emotional reactions. We conducted three complementary studies: a pilot study to identify relevant emotions, an event‐based experience sampling study (Study 1), and a retrospective recall study (Study 2). Accountability appraisals were associated with emotions, such that appraisals that oneself (vs. one's subordinate) was more responsible for the incident were linked to higher levels of guilt and shame. Although growth mindset moderated associations between accountability appraisals and emotions, it did so for different emotions across the two studies (i.e., hostility in Study 1 and shame in Study 2). Implications for theory and practice are discussed.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».