Examining generational differences as a moderator of extreme‐context perception and its impact on work alienation organizational outcomes: Implications for the workplace and remote work transformation
Notice bibliographique
Résumé
There is no doubt that extreme contexts (e.g., war zones and pandemics) represent substantial disruptions that force many companies to rethink the way they do business. With so much of the workforce now working remotely and concerns about resulting work alienation, we must ask this question: How can this be translated into the generational divide in workplaces based in extreme contexts? Using COVID-19 as an example trigger of extreme-context experience, therefore, we investigate generation as a moderator of the effects of extreme-context perception upon anxiety leading to alienation with subsequent behavioral outcomes on job insecurity, job satisfaction, and organizational citizenship behavior (OCB). A time-lagged survey procedure yielded 219 valid responses from a three-generation sample of employees working in multiple service organizations. The data were analyzed using partial least squares structural equation modeling (PLS-SEM). Our analysis suggested that intense extreme-context perception led to elevated anxiety and alienation, which, in turn, heightened job insecurity and worsened job satisfaction and OCB outcomes. Finally, during the experience of extreme-context times, generation was found to moderate our model, such that both Generation Y and Generation Z experienced higher anxiety due to extreme-context perception and hence higher job insecurity due to alienation compared with Generation X respondents. Our results endorse the criticality of implementing agile and generationally non-sectarian management for effectively functioning generationally diverse workforces in pandemic times.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».