MétaCan
Menu
Retour à la cohorte
Enregistrement W4379880744 · doi:10.1037/apl0001096

Consistent and low is the only way to go: A polynomial regression approach to the effect of abusive supervision inconsistency.

2023· article· en· W4379880744 sur OpenAlexaff
Seoin Yoon, Joel Koopman, Nikolaos Dimotakis, Lauren Simon, Lindie H. Liang, Dan Ni, Xiaoming Zheng, Sherry Fu, Young Eun Lee, Pok Man Tang, Chin Tung Stewart Ng, John Bush, Tanja R. Darden, Juanita Kimiyo Forrester, Bennett J. Tepper, Douglas J. Brown

Notice bibliographique

RevueJournal of Applied Psychology · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensUniversity of WaterlooWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésAbusive supervisionPsychologyAbusive relationshipPsycINFOModerationContext (archaeology)Social psychologyPsychological abusePoison controlHuman factors and ergonomicsSexual abuseDomestic violence

Résumé

récupéré en direct d'OpenAlex

The literature on abusive supervision largely presumes that employees respond to abuse in a relatively straightforward way: When abuse is present, outcomes are unfavorable, and when abuse is absent, outcomes are favorable (or, at least less unfavorable). Yet despite the recognition that abusive supervision can vary over time, little consideration has been given to how past experiences of abuse may impact the ways employees react to it (or, its absence) in the present. This is a notable oversight, as it is widely acknowledged that past experiences create a context against which experiences in the present are compared. By applying a temporal lens to the experience of abusive supervision, we identify abusive supervision inconsistency as a phenomenon that may have different outcomes than would otherwise be predicted by the current consensus in this literature. We draw from theories on time and stress appraisal to develop a model that explains when, why, and for which employees, inconsistent abusive supervision may have negative outcomes (specifically, identifying anxiety as a proximal outcome of abusive supervision inconsistency that has downstream effects on turnover intentions). Moreover, the aforementioned theoretical perspectives dovetail in identifying employee workplace status as a moderator that may buffer employees from the stressful consequences of inconsistent abusive supervision. We test our model using two experience sampling studies with polynomial regression and response surface analyses. Our research makes important theoretical and practical contributions to the abusive supervision literature, as well as the literature on time. (PsycInfo Database Record (c) 2025 APA, all rights reserved).

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)0,021
score de la tête « metaresearch » (Gemma)0,114
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,114
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,004
Communication savante0,0030,005
Science ouverte0,0060,006
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0220,002

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 Opus0,043
Tête enseignante GPT0,402
Écart entre enseignants0,359 · 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'étudeSimulation ou modélisation
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

Citations20
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PsychologyMême sujetMental Health Research TopicsTravaux en français237 207