MétaCan
Menu
Retour à la cohorte
Enregistrement W4400446839 · doi:10.5465/amproc.2024.19050abstract

When Justice Conflicts with Care: Navigating Leaders’ Moral Dilemma in the Face of Employees’ UPB

2024· article· en· W4400446839 sur OpenAlexaboutno aff
Yating Gao, Yue Zhang, Dili Zhao

Notice bibliographique

RevueAcademy of Management Proceedings · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDilemmaFace (sociological concept)Moral dilemmaEconomic JusticeEnvironmental ethicsSociologyPolitical scienceSocial psychologyPublic relationsPsychologyLawPhilosophyEpistemologySocial science

Résumé

récupéré en direct d'OpenAlex

Research on unethical pro-organizational behavior (UPB) has predominantly focused on its consequences for the employees engaged while overlooking how observing such behavior might affect their leaders’ psychological experiences and downstream responding behaviors. Integrating moral heuristics theory and social exchange theory, we argue that leader moral identity and relationship quality with the UPB conductor (i.e., LMX) may interact with the leader’s perception of employee UPB, leading to leader moral dissonance and influencing their subsequent helping and undermining behavior toward the UPB conductor. We examined the hypothesized relationships with two studies. The first study was a three-wave, multisource field study consisting of 684 employees across a total of 150 work teams and their 150 direct supervisors from a prominent pharmaceutical company located in northwestern China. The second study was an experimental study on an English platform, Prolific, recruiting 240 full-time employees from the United States, United Kingdom, and Canada. The results of both studies provide support for our predictions. Our research offers insights into moral literature and the consequences of UPB in 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,037
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0070,006
Communication savante0,0060,003
Science ouverte0,0010,004
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,229
Tête enseignante GPT0,422
Écart entre enseignants0,193 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetEthics in Business and EducationTravaux en français237 207