Applying Event System Theory to Organizational Change: The Importance of Everyday Positive and Negative Events
Notice bibliographique
Résumé
Decades of research have examined how employees experience organizational-level change events (e.g., “the merger”). However, employees can also experience “everyday change events” that occur at the individual-level as the change becomes routinized for their jobs. That is, individuals can react to organizational change events that are occurring at different hierarchical levels. Drawing on event system theory, we argue that employees’ commitment to the organizational-level change event can shape how employees anticipate and experience subsequent everyday change events. These negative and positive everyday change events can impact (a) how employees engage with their work, impacting their performance and (b) whether employees perceive that they are fairly treated, impacting their subsequent evaluations of organizational-level change. Our hypotheses were generally supported in a field sample in which employees were surveyed immediately after a merger was announced, participated in a daily diary study as the merger was implemented, and completed a second survey 2 weeks after the diary study. By applying event system theory to organizational change, we provide important theoretical and practical insights, including how an organizational-level event can exert top-down direct effects by impacting how employees anticipate and experience change on an everyday basis as well as how everyday negative and positive change events can subsequently impact employees’ commitment to the organizational-level change, creating bottom-up direct effects. We also illuminate the importance of considering the frequency and strength of both negative and positive events to understand what it is about everyday negative and positive events that has implications for employees and organizations.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».