MétaCan
Menu
Retour à la cohorte
Enregistrement W4403087539 · doi:10.1080/02692171.2024.2404882

Feeling like owners: the impact of high-performance work practices and psychological ownership on employee outcomes in employee-owned companies

2024· article· en· W4403087539 sur OpenAlexaff
Edward J. Carberry, Jung Ook Kim, Joo Hun Han, Dan Weltmann, Joseph Blasi, Douglas Kruse

Notice bibliographique

RevueInternational Review of Applied Economics · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésFeelingBusinessWork (physics)Employee engagementEmployee researchMarketingLabour economicsPsychologyEconomicsManagementSocial psychologyEngineering

Résumé

récupéré en direct d'OpenAlex

A central finding of scholarship on employee ownership (EO) is that EO has the strongest impacts on employee outcomes when implemented with other management practices that are typically associated with high-performance work systems (HPWS). However, our explanations for why these complementary practices matter remain underdeveloped. In this paper, we examine whether the extent to which employees feel like owners, using the construct of psychological ownership (PO), mediates the impact of three HPWS practices on four employee outcomes in a dataset of 881 employees in nine companies with employee stock ownership plans (ESOPs) in the United States. Our findings support our core argument that these practices make it more likely that employees will feel like owners, which in turn leads to positive impacts on employee outcomes. More specifically, we find that the extent to which employees perceive that they have influence, are engaged as owners through information sharing and business literacy training, and receive high quality communications about EO are positively associated with PO, and that PO is positively associated with organizational commitment, turnover intention, voice behavior, and helping behavior. We discuss the theoretical, management, and policy implications of our analysis and findings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,074
Score d'incertitude au seuil0,342

Scores Codex et Gemma par catégorie

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

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 Opus0,049
Tête enseignante GPT0,325
Écart entre enseignants0,277 · 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 tête enseignante, 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

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Review of Applied EconomicsMême sujetJob Satisfaction and Organizational BehaviorTravaux en français237 207