Centering the Relational Context of Moral Transgressions in Morality Research
Notice bibliographique
Résumé
Engaging in wrongdoing at work is extremely costly to organizations and employees. Past work suggests that wrongdoing must be condemned in order to mitigate the costs and deter future transgressors. However, much of this past work has ignored the relational context, stripping away established relationships between people involved in the transgression (e.g., between witness and transgressor), and specific attributes of those involved (e.g., demographics). This presents a problem for our understanding of morality, as wrongdoing at work occurs within relational contexts embedded in organizations. The present symposium seeks to broaden our understanding of morality at work by focusing on the relational contexts in which moral transgressions occur. Specifically, we demonstrate how the relationships to a wrongdoer shapes observers’ moral judgments and decisions to report, how the status and behavior of people who condemn transgressions impacts third-party judgments, and how potential transgressors navigate a decision to transgress based on the context. Witnesses of Wrongdoing Overestimate Transgressors’ Silence Expectations at Work Author: Zachariah Berry; Cornell U. Author: Brian J. Lucas; Cornell U. Morality as Relational Toolkit: How Social Closeness Shapes Moral Thinking Author: Daniel Alexander Yudkin; The Wharton School, U. of Pennsylvania Author: Geoff Goodwin; U. of Pennsylvania Author: Sudeep Bhatia; U. of Pennsylvania Minority Employees Face Retaliation for Protecting Peers from Abusive Behaviors Author: Logan Joseph Balfantz; U. of Notre Dame, Mendoza College of Business Author: Michelle Cho; Doctoral Student at Kenan-Flagler Business School, UNC at Chapel Hill Author: Timothy Kundro; U. of North Carolina, Chapel Hill Punishing Without Looking for Reputational Gain Author: Jillian Jordan; Northwestern U. Author: Nour Kteily; Northwestern Kellogg School of Management Look at Me Now! Identifying the Role that Evidence Plays in Dishonest Reporting Author: Samuel Skowronek; UCLA Anderson School of Management
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,033 |
| Communication savante | 0,012 | 0,014 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».