Advances in Behavioral Ethics: Moral Consistency, Licensing, Cleansing, and Transgressions
Notice bibliographique
Résumé
As the research on moral self-regulation, or the psychological processes and cognitive biases by which individuals regulate their moral behavior over time, has gained popularity in management and applied psychology over the past two decades, limitations to our understanding of this theoretical framework have become more salient. This symposium is comprised of three presentations that attempt to address several different, but related, issues. More specifically, the presenters will discuss research designed to: (a) address gaps or inconsistencies in moral self-regulation research for organizational behavior and organizational ethics, and (b) examine how the broader social context effects individual’s moral judgements and moral self-regulatory processes over time. The symposium includes both narrative review and model building, as well as experimental designs. The presenters will discuss the potential implications of their findings for management scholars and practitioners. IntraIndividual (Un)Ethical Behavior in Management: A Review and Recommendations for Future Research Presenter: Benjamin G. Perkins; U. of Arizona Presenter: Nathan Philip Podsakoff; U. of Arizona Presenter: David Welsh; Arizona State U. Giving-by-Proxy Triggers Subsequent Charitable Behavior Presenter: Samantha Kassirer; Northwestern Kellogg School of Management Presenter: Jillian Jordan; Northwestern U. Presenter: Maryam Kouchaki; Northwestern Kellogg School of Management Worse to Be First? Victim and Transgressor Perspectives of “Viral” Violations Presenter: Julia A. Langdon; London Business School Presenter: Daniel A. Effron; London Business School
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».