Predictive validity of integrity tests for workplace deviance across industries and countries in the past 50 years: A meta-analytic review
Notice bibliographique
Résumé
The current meta-analysis provides a comprehensive and updated review on integrity-testing findings across industries and countries in the past 50 years (k = 150, N = 67,016). Integrity tests were coded into the types of overt tests, covert tests, biodata, organizational measures, value/moral reasoning/situational judgment tests, integrity-related cognitive ability tests, and novel measures. The criterion measures of workplace deviance included CWBs, unethical pro-organizational behaviors, and other workplace deviant behaviors. For the information source, both computer and manual searches were performed to locate relevant published and unpublished papers. A variety of sources were examined to avoid publication bias, and publication bias analyses were conducted to uphold the methodological rigor. Results indicated that all the integrity tests analyzed were significant in predicting workplace deviance, with an overall mean validity estimate corrected for indirect range restriction and measurement error as .43 (95% CI [.32; .52]; p < .001). Among the tests, the value-oriented tests and cognitive ability tests indicated relatively large validity estimates of .60 (95% CI [.41; .75]; p < .001) and .65 (95% CI [.53; .74]; p < .001), respectively. The relationship between integrity tests and workplace deviance was found to be significantly moderated by the type of integrity test, industry, country, and criterion source. The effect size of integrity tests was largest in predicting deviance in the military and law enforcement sector, and relatively large in the work samples of Canada, Germany, Israel, Romania, and the United States. However, the moderating effects of the nature of deviance, validation sample, validation strategy, publication status, medium of test, and gender, were nonsignificant. Compared with previous reviews, our study was unique in its cross-cultural direction, which included primary studies of integrity testing in countries with different languages (e.g., publications in Chinese) and associated cultural variations. New insights and comparisons with previous meta-analytic findings were discussed.
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 | 0,036 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».