When Performance Appraisals Fail: Emotion Regulation and the Direction of Organizational Routines
Notice bibliographique
Résumé
Abstract Despite their ubiquity, there is much uncertainty as to whether performance appraisals work, and considerable evidence as to their shortfalls. Drawing on the sociological literature on routine dynamics, we examine the embeddedness of the performance appraisal, the role of emotions, exploring what goes on during the process, and how as a routine, appraisals may be diverted onto a trajectory increasingly incompatible with organizational goals. Previous studies have explored how managers may successfully intervene when routines become dysfunctional; we explore when and how this becomes difficult or impossible. We assess how negative emotions introduce a layer of backstage complexity to the appraisal routine. It is based on professional service firms' subsidiaries in a Middle Eastern context, where informal rules and network ties may subvert formal organizational ones. The study identifies distancing, working around, and buffering, as key responses to current and anticipated future negative affective events. It highlights how emotions are not simply antecedents or consequences in the appraisal process; they are experienced throughout the process, accompanying each action, interaction, and event. This study extends routine dynamics and performance appraisal literature by highlighting the emotional dimension's intervening role and examining actors' contending subjectivities. We emphasize how actors shape appraisal routines in diverse and individualistic ways at the micro‐level.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».