Post‐traumatic stress disorder and hiring: The role of social media disclosures on stigma and hiring assessments of veterans
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract A significant percentage of veterans suffer from post‐traumatic stress disorder (PTSD). Veterans are often directed to social media platforms to seek support during their transition to civilian life. However, social media platforms are increasingly used to aid in hiring decisions, and these platforms may make veterans’ PTSD more discoverable during the hiring process. Based on social identity theory and identity management theory, the integrated suspicion model, and the stigma literature, we conducted four studies that examine veterans’ PTSD disclosures on social media and the consequences in the hiring process. Study 1 suggests that 16%–34% of veterans included cues related to PTSD status on social media. Study 2, based on 290 upper‐level business students, shows that veterans with PTSD were more stigmatized than veterans without PTSD, and stigmatization is associated with more suspicion and lower hiring‐related ratings (of expected task performance, expected organizational citizenship behaviors (OCB), expected counterproductive work behaviors (CWB), and intention to interview). Study 3, based on 431 working professionals with hiring experience, further supports relationships from Study 2. Study 4, based on 298 working professionals, identifies peril (i.e., perceptions regarding danger) as an additional mediator for the effects of PTSD on hiring‐related ratings. In sum, we identify and explore the identity management conundrum that social media disclosure poses for veterans with PTSD in the hiring process and discuss potential remedies and avenues for future research.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle