MétaCan
Menu
Retour à la cohorte
Enregistrement W4400675249 · doi:10.31234/osf.io/gfn85

The Corporate Bullshit Receptivity Scale: Development, validation, and associations with workplace outcomes

2024· preprint· en· W4400675249 sur OpenAlexaff
Shane Littrell

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésReceptivityScale (ratio)PsychologyBusinessGeographyPhilosophyEpistemologyCartography

Résumé

récupéré en direct d'OpenAlex

From boardrooms and brown bags, to emails and earnings calls, business culture often seems overrun by “corporate bullshit,” a type of semantically empty or otherwise vague rhetoric that leverages abstruse corporate buzzwords and jargon in a way that misrepresents or obscures some aspect of organizational reality. Though corporate bullshit may sometimes seem harmless, it can disrupt organizational and employee effectiveness in numerous ways including obstructing effective communication, increasing employee disengagement, tarnishing company reputation, and exposing businesses to legitimate financial and legal risks. Here, results from three studies (N = 745) report the construction and validation of the Corporate Bullshit Receptivity Scale (CBSR), a novel measure of individual differences in receptivity to corporate bullshit. Results show that corporate bullshit receptivity is distinct from a general affinity for corporate speech. Moreover, it is significantly associated with measures of analytic thinking and other bullshit-related constructs in theoretically-consistent ways. Importantly, corporate bullshit receptivity is strongly associated with several measures of organizational culture and job performance and is a strong, robust predictor of work-related decision-making. Overall, the findings establish the CBSR as a valid and reliable tool to aid researchers in examining the causes, correlates, and consequences of bullshit in the workplace.

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)0,011
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,266
Tête enseignante GPT0,413
Écart entre enseignants0,147 · 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'étudeObservationnel
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 sujetEthics in Business and EducationTravaux en français237 207