MétaCan
Menu
Retour à la cohorte
Enregistrement W4308923669 · doi:10.1016/j.lrp.2022.102274

Managing non-family employees’ emotional connection with the family firms via shifting, compensating, and leveraging approaches

2022· article· en· W4308923669 sur OpenAlexaff
Josh Wei‐Jun Hsueh, Giovanna Campopiano, Elizabeth Tetzlaff, Peter Jaskiewicz

Notice bibliographique

RevueLong Range Planning · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFamily Business Performance and Succession
Établissements canadiensWilfrid Laurier UniversityUniversity of Ottawa
Organismes subventionnairesUniversità BocconiFondazione CariploCity, University of LondonUniversity of BathUniversität St. Gallen
Mots-clésDisadvantageBusinessContext (archaeology)Identity (music)Organizational identificationOrganizational identityMarketingOrganizational commitmentSocial psychologyPublic relationsPsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Many family firms deploy strategies and practices to satisfy the needs of family employees. When non-family employees perceive a relational disadvantage compared to family employees, they may lower their evaluation of organizational identity (OI) and, in turn, identify less strongly with the family firm. Because family firms can ill afford to have non-family employees who lack a strong emotional connection with and commitment to the family firm, we explore approaches to foster non-family employees' evaluations of OI. Drawing on organizational identity theory, we find support for three approaches: (1) shifting non-family employees' evaluation of OI by enacting a proactive Corporate Social Responsibility (CSR) strategy, (2) compensating non-family employees for a perceived relational disadvantage by involving them in CSR decision-making, and (3) leveraging non-family employees' context, by drawing on those who share the values of the controlling family. Our theory and results suggest that family firms can deploy different approaches to manage the emotional connection with their non-family employees, which can help explain the observed variation in non-family employees’ organizational identification across family firms.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0040,002
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,219
Écart entre enseignants0,180 · 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'étudeQualitatif
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

Citations22
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLong Range PlanningMême sujetFamily Business Performance and SuccessionTravaux en français237 207