MétaCan
Menu
Retour à la cohorte
Enregistrement W4385191834 · doi:10.5465/amproc.2023.10793symposium

Dealing with Stressful Work Events: Insights for Managers and Employees

2023· article· en· W4385191834 sur OpenAlexaffabout
Christine Chi Hye Hwang, Claudia Christina Kitz, Laurie J. Barclay, Abiola Sarnecki, Myriam N. Bechtoldt, Anita C. Keller, Elissa El Khawli, John Schaubroeck, Susanne Scheibe, Marjo‐Riitta Diehl, Julia Zwank, Heiko Breitsohl, Kai C. Bormann

Notice bibliographique

RevueAcademy of Management Proceedings · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésWork (physics)PsychologyBusinessApplied psychologyEngineering

Résumé

récupéré en direct d'OpenAlex

Stressful work events are a daily reality for workers. Given its prevalence, understanding how workers deal with stressful work events is both theoretically and practically imperative to “putting the worker front and center” (Academy of Management, 2023). We extend the extant focus on employees’ responses by exploring both employees’ and managers’ experiences of stressful events, and hence more fully capture workers’ experience. Our symposium gathers international scholars from Austria, Canada, Finland, Germany, the Netherlands, and the United States to investigate workers’ experiences of stressful work events using diverse situations, perspectives, and methodologies. Specifically, our papers investigate (a) employees’ experience of, and responses to managerial inaction as a stressful event, (b) how leadership role occupancy and autonomy influence the specific self-regulation strategies workers pursue to cope with taxing work demands, (c) how the enactment of justice is a form of identity work in managers during challenging work events, (d) how self- and other-directed assessments of identity threat emerge during the stressful situations of layoffs and denied promotions in managers and employees, and (e) how interpersonal justice assists/impedes professors in reacting to negative student feedback. Following the paper presentations, Dr. Laurie Barclay will conclude the symposium with an engaging, interactive discussion that highlights key insights and future research directions. By showcasing theoretical and practical insights into how workers (i.e., employees and managers) and organizations can more effectively manage stressful work situations, we aim to fulfill the Academy of Management’s objective to “putting the worker front and center”. Managerial Inaction and Discrete Emotions: Examining the Employee Outcomes of Managerial Inaction Author: Christine Chi Hye Hwang; U. of Guelph Do the Demands of Leader Roles Promote Better Personal Coping? Author: Anita Keller; U. of Groningen Author: Elissa El Khawli; U. of Groningen Author: John Schaubroeck; U. of Missouri Author: Susanne Scheibe; Groningen U. (RuG) Justice Enactment as Identity Work: How Being Fair Can Alter Leadership Identity Author: Marjo-RIitta Diehl; Aalto U. School of Business Author: Julia Zwank; SRH Mobile U. Dual Perspectives on Bad News Delivery: Threats and Violations in Leaders and Followers Author: Claudia Christina Kitz; U. of Groningen Author: Heiko Breitsohl; U. of Klagenfurt, Austria Author: Kai Christian Bormann; Bielefeld U. Professors in Pain: Coping with Student Evaluation of Teaching Author: Abiola Sarnecki; Wiesbaden Business School Author: Myriam N. Bechtoldt; EBS U. of Business and Law

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)0,009
score de la tête « metaresearch » (Gemma)0,008
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0100,010
Communication savante0,0140,013
Science ouverte0,0020,008
Intégrité de la recherche0,0040,009
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,083
Tête enseignante GPT0,432
Écart entre enseignants0,350 · 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetOccupational Health and Safety ResearchTravaux en français237 207