MétaCan
Menu
Retour à la cohorte
Enregistrement W4255904462 · doi:10.1108/ict-12-2013-0086

Corporate psychopathy: deviant workplace behaviour and toxic leaders – part one

2015· article· en· W4255904462 sur OpenAlexaff
Henry S. Cheang, Steven H. Appelbaum

Notice bibliographique

RevueIndustrial and Commercial Training · 2015
Typearticle
Langueen
DomainePsychology
ThématiquePsychopathy, Forensic Psychiatry, Sexual Offending
Établissements canadiensConcordia UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésPsychopathyPsychologyEmpirical researchAntisocial personality disorderPersonalityApplied psychologySocial psychologyPoison controlInjury prevention

Résumé

récupéré en direct d'OpenAlex

Purpose – Increasingly, it is recognized that (larger) organizations have many employees who present with corporate psychopathy (i.e. a milder version of antisocial personality disorder (APD)). Importantly, such a disorder contributes to the presence of deviant workplace behaviour. Organizations must therefore adapt its practices to both identify and manage employees who either present with, or have tendencies towards, corporate psychopathy. As a means of developing a guiding framework for organizational adaptation, the purpose of this two-part paper is to offer two reviews of relevant research. The first revolves around the body of knowledge regarding corporate psychopathy and the primary, established behavioural method of identifying its presence; the second is a brief review on physiological measures that can complement current gold standards. Design/methodology/approach – A range of published empirical and practitioner research articles were reviewed to elaborate on APD and corporate psychopathy; showcase the efficacy of the currently most accepted method of detecting psychopathic behaviour – the Psychopathy Checklist (PCL) and; highlight physiological methods of detecting psychopathic tendencies which may complement usage of the PCL – electroencephalography, measurement of galvanic skin responses, and electromyography. Findings – Deviant workplace behaviours cause losses of billions of dollars across all business organizations, and much of this behaviour stems from corporate psychopaths in positions of leadership; the PCL, while useful, can nonetheless yield sharp differences in the identification of psychopathy across different administrators of the test; measures of physiological states show good reliability in discriminating psychopathic persons from non-psychopathic persons. Based on these findings, the authors propose guidelines for how to identify and mitigate the effects of corporate psychopathy for organizations. Research limitations/implications – The proposed guidelines must be tested in an empirical paper to measure their effectiveness. Practical implications – The paper suggests an overall framework that may help leaders and organizational development practitioners identify the major factors which may be considered to safeguard against the potentially detrimental conduct of corporate psychopaths in their organizations. Social implications – This paper highlights the need to identify and ward against the presence of corporate psychopaths. There needs to be guidelines for organizations on how to identify and mitigate the effects of corporate psychopathy for organizations. Originality/value – The suggestion of integrating physiological methods of detection with the PCL, as well as urging proactive education of all employees as the symptoms and effects of corporate psychopathy, is the novel contribution of the paper.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,505
Tête enseignante GPT0,359
Écart entre enseignants0,147 · 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'étudeObservationnel
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

Citations21
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial and Commercial TrainingMême sujetPsychopathy, Forensic Psychiatry, Sexual OffendingTravaux en français237 207