MétaCan
Menu
Retour à la cohorte
Enregistrement W4406808156 · doi:10.1002/job.2854

Perceiving the Inevitable: Understanding Observer Reactions to Workplace Mistreatment Through the Lens of System Justification Theory

2025· article· en· W4406808156 sur OpenAlexafffund
Zhanna Lyubykh, Laurie J. Barclay, Nick Turner, M. Sandy Hershcovis

Notice bibliographique

RevueJournal of Organizational Behavior · 2025
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensUniversity of CalgaryUniversity of GuelphSimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésObserver (physics)PsychologyLens (geology)Social psychologyThrough-the-lens meteringEngineering

Résumé

récupéré en direct d'OpenAlex

ABSTRACT System justification theory posits that individuals tend to justify and maintain the status quo. For workplace mistreatment, we argue this tendency can elicit psychological processes in observers that may further disadvantage targets of mistreatment. We propose that organizational climates that are perceived to tolerate mistreatment increase the likelihood that observers perceive specific instances of mistreatment as inevitable. This can activate system justification tendencies in which observers evaluate the mistreatment incident as more legitimate and the target as less legitimate, prompting harmful observer reactions (e.g., minimizing the incident, negatively gossiping about the target). To investigate system justification in observer reactions, we validate a measure of perceived mistreatment inevitability and conduct a multiwave survey to test our hypotheses. Our findings indicate that organizational climates that tolerate mistreatment increase observers' perceptions that specific instances of mistreatment are inevitable, thereby activating processes that prompt observers to justify and maintain the status quo. Theoretical implications include identifying what activates system justification, why observers justify mistreatment, and how these tendencies elicit harmful reactions further disadvantaging targets. Practically, our findings highlight the importance of addressing organizational climates that tolerate mistreatment, avoiding reliance on observers to intervene constructively, and effectively addressing mistreatment to prevent further harm to targets.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,835
Score d'incertitude au seuil0,452

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,253
Tête enseignante GPT0,410
Écart entre enseignants0,156 · 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'étudeThéorique ou conceptuel
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

Citations6
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Organizational BehaviorMême sujetEthics in Business and EducationTravaux en français237 207