MétaCan
Menu
Retour à la cohorte
Enregistrement W4403099485 · doi:10.1037/apl0001244

Workplace aggression and employee performance: A meta-analytic investigation of mediating mechanisms and cultural contingencies.

2024· review· en· W4403099485 sur OpenAlexaff
Rui Zhong, Jingxian Yao, Yating Wang, Zhanna Lyubykh, Sandra L. Robinson

Notice bibliographique

RevueJournal of Applied Psychology · 2024
Typereview
Langueen
DomaineSocial Sciences
ThématiqueEmployee Performance and Management
Établissements canadiensUniversity of British ColumbiaSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPsychologyAggressionMeta-analysisSocial psychologyJob performanceOrganizational behaviorApplied psychologyJob satisfaction

Résumé

récupéré en direct d'OpenAlex

= 149,341 participants), we reveal the incremental effects of the five mechanisms, compare their relative strengths for each performance outcome, and examine their cultural contingencies. We find that when the five mechanisms are examined simultaneously, only relationship quality and state self-evaluation show incremental effects across all performance outcomes in the predicted direction. Moreover, the comparative strengths of mechanisms vary across performance outcomes: The impact of workplace aggression on task performance is best explained by the negative affect and state self-evaluation mechanisms, its impact on citizenship behavior is best explained by the relationship quality mechanism, and its impact on deviant behavior is best explained by the negative affect mechanism. Finally, the prominence of some mechanisms is contingent on certain cultural dimensions: The relationship quality mechanism is strengthened by individualism and masculinity, while the state self-evaluation mechanism is strengthened by masculinity. We conclude with a discussion of the theoretical and practical implications of our research. (PsycInfo Database Record (c) 2025 APA, all rights reserved).

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)0,013
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,009
Bibliométrie0,0050,006
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
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 Opus0,127
Tête enseignante GPT0,415
Écart entre enseignants0,287 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PsychologyMême sujetEmployee Performance and ManagementTravaux en français237 207