Is Consistent and Low the Only Way to Go? A Commentary on the Study Made by Yoon et al. (2023)
Notice bibliographique
Résumé
Yoon et al. (2023) took a polynomial regression approach to confront and challenge the extant knowledge on abusive supervision. Their theorization of the effect of abusive supervision inconsistency and their examination of two sampling studies lead to several conclusions. First, when it comes to abusive supervision, consistency matters: even a drop in the present may create anxiety. Second, when it comes to examining temporal phenomena, proper time lags may not matter: different time lags (i.e., 1 month in Study 1 vs. 1 week in Study 2) may generate converging effects. Third, managers should realize that to deal with abusive supervision, consistent and low is the only path to go. These conclusions, however, are based on the theorization of one aspect of congruence effects (i.e., focusing on a comparison between consistency and inconsistency) and the examination of one type of testing option (i.e., focusing on the principal axes to test lateral shift). In this commentary, we bring in a more complete theorization of congruence effects and different testing options. Our aim is to apply the polynomial regression approach in a more holistic manner to integrate Yoon et al.’s idea of abusive supervision consistency and the existing literature on abusive supervision, shedding new light on the key conclusions they made.
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 | 0,033 | 0,170 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,019 |
| Communication savante | 0,009 | 0,015 |
| Science ouverte | 0,011 | 0,005 |
| Intégrité de la recherche | 0,067 | 0,085 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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 ».