MétaCan
Menu
Retour à la cohorte
Enregistrement W4372319621 · doi:10.1111/1911-3838.12335

When Peer Recognition Backfires: The Impact of Peer Information on Subsequent Helping Behavior*

2023· article· en· W4372319621 sur OpenAlexaffvenue
Pei Wang

Notice bibliographique

RevueAccounting Perspectives · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPopularityHelping behaviorSpillover effectPsychologyPerceptionSocial psychologyProcess (computing)Computer scienceMicroeconomicsEconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Peer recognition systems (PRS) have gained popularity in recent years as a means for organizations to promote employee helping behavior. However, there are theoretical reasons to believe that peer information that is publicly disclosed in PRS may reduce subsequent helping behavior, and I use an experiment to test my theory. Specifically, I examine a three‐employee setting where an employee (the worker) receives no recognition for helping a coworker (the recognizer) but another coworker (the helper) does. I predict and find that the worker's willingness to subsequently help the recognizer/helper is lower when the worker perceives that the worker's initial help exceeds (vs. subceeds) the helper's. I also find that the worker's perception of fairness mediates the process, and the worker's willingness to help the recognizer has a spillover effect on the worker's willingness to help the helper. My study provides the first empirical evidence of the negative impact that PRS have on helping behavior.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,191
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

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

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 Opus0,067
Tête enseignante GPT0,376
Écart entre enseignants0,309 · 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 tête enseignante, 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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAccounting PerspectivesMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207