MétaCan
Menu
Retour à la cohorte
Enregistrement W4385217637 · doi:10.5465/amproc.2023.10678abstract

The Social-Cognitive Functions of Workplace Humor, Gender, on Promotability

2023· article· en· W4385217637 sur OpenAlexaff
Shuai Ren, Rick D. Hackett, Abira Reizer

Notice bibliographique

RevueAcademy of Management Proceedings · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueHumor Studies and Applications
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPsychologyModerationTraitSocial psychologyPersonalityBig Five personality traitsContext (archaeology)

Résumé

récupéré en direct d'OpenAlex

Humor is a pervasive social phenomenon in the workplace context as more and more organizations nowadays are pursuing a fun work environment. While previous literature had examined the evaluations of leader humor, trait humor of employees in the workplace context had not been examined with career advancement prospects, particularly promotability. Our study investigated the effects of both positive and negative traits of workplace humor reported by employees on their promotability evaluated by supervisors using a dyadic work sample in Israel (N=142 dyads) with a cross-sectional design. Interactions between positive/negative workplace humor, employee gender, and supervisors’ gender were examined. The results suggested that employee trait humor is a critical predictor for promotability when gender is incorporated as a moderator, even after controlling for Big Five personality traits and emotional intelligence. In particular, humorous male subordinates are more likely to be perceived as promotable especially if their supervisors are male while humorous female subordinates are less promotable. Moreover, male and female supervisors evaluate promotability associated with workplace humor differently. Our study replicated and extended the earlier studies concerning the gender bias of humor in the workplace from a subordinate perspective, and yielded important implications for leadership emergence and diversity, equity, and inclusion.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,735
Score d'incertitude au seuil0,389

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
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 Opus0,077
Tête enseignante GPT0,379
Écart entre enseignants0,302 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetHumor Studies and ApplicationsTravaux en français237 207