Cross-level effects of union practices on extra-role behaviors: the mediating role of industrial relations climate, union commitment and union instrumentality
Notice bibliographique
Résumé
Purpose The purpose of this paper is to investigate the relationship between union practices and two types of employees’ extra-role behaviors, namely, union citizenship behavior (UCB) and employee voice (EV), and the mechanisms that mediate this relationship. Design/methodology/approach Using matched data from 46 union leaders and 279 union members of 33 workplaces in China, this study utilized multilevel structural equation modeling to test the cross-level influences of union practices on employees’ extra-role behaviors and the mediation effects. Findings The results show that (1) union practices have a positive impact on employees’ UCB and EV, and (2) union practices increase UCB and EV through the improvement of industrial relations (IR) climate at the workplace level, as well as union commitment (UC) and union instrumentality (UI) at the individual level. Research limitations/implications Although the authors collected data from multi-sources (i.e. union leaders and members), the cross-sectional data of this study limited the ability to make casual inferences. Originality/value This study contributes to the literature by providing theoretical explanation and empirical evidence to illustrate the role of union practices in increasing the extra-role behaviors of employees (i.e. UCB and EV). This is of particular importance in elaborating the effectiveness of enterprise unions under the recent reforms in China. In addition, the authors also unpacked the antecedents of extra-role behaviors in the union context by investigating how IR climate, UC and UI mediate the relationship between union practices and extra-role behaviors of employees.
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 | 0,001 |
| 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 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 ».