Unravelling the impact: supervisor incivility on employee health and the role of affective rumination
Notice bibliographique
Résumé
Purpose This study investigates the influence of supervisor incivility on two important employee health-related outcomes–somatic complaints and emotional exhaustion. Similarly, the study examines the role of affective rumination as a mediator between the supervisor incivility–somatic complaints and emotional exhaustion relationship. Design/methodology/approach We collected data in three phases, separated by an interval of four weeks. The final sample comprised 154 employees from diverse occupations and professions. Partial least squares–structural equation modelling was used to examine the research model. Findings Employees’ perceptions of supervisor incivility increased somatic complaints and emotional exhaustion experiences. Moreover, drawing on the conservation of resources and the effort-recovery theories, we found support for the mediating role of affective rumination for somatic complaints but not for emotional exhaustion. Practical implications To help protect organizations from financial and productivity losses related to supervisor incivility, we encouraged organizations to be aware of supervisors’ uncivil behaviours and provide training on how to deal with such behaviours. We further advise organizations to coach supervisors on uncivil prevention and the importance of modelling proper behaviours. Originality/value This study expands the limited knowledge of supervisor incivility and health outcomes. Specifically, using a time-lagged design, the findings show that affective rumination is an essential mechanism for understanding the impact of supervisor incivility on health outcomes. Moreover, understanding how supervisor incivility impacts employee health outcomes is vital for advancing theory and designing interventions to mitigate adverse effects.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».