Consistent and low is the only way to go: A polynomial regression approach to the effect of abusive supervision inconsistency.
Notice bibliographique
Résumé
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».