A structured literature review of personality traits research in the knowledge behavior context: synthesis of the findings and practical recommendations
Notice bibliographique
Résumé
Purpose This paper aims to present a structured literature review of personality traits research in the context of knowledge behavior. Design/methodology/approach A total of 200 empirical articles published in knowledge management-centric journals and other journals indexed by Google Scholar were discovered and analyzed. Findings It was found that many knowledge management researchers are inadequately aware of the personality psychology literature. More than two-thirds of the proposed nomological networks exclude trait-relevant situational cues, without which the trait–behavior relationship may not exist. Consequently, their conclusions on the predictive power of many personality traits are contradictory and inconclusive. Particularly unclear is the role of the Big Five traits, performance-approach/avoidance goal orientation and personal motivation traits. Personality trait constructs cannot simply be blindly borrowed from the psychology literature and recklessly added to knowledge management causal models. Practical implications Journal editorial teams should declare a moratorium on publishing empirical studies in which researchers carelessly add personality trait constructs to their causal models without proper conceptualizing that uses relevant theories and cites the original sources. Practitioners need to exercise caution when applying the recommendations of the studies reporting the impact of employee personality traits on knowledge behavior. Organizations should favor employees possessing emotional intelligence, learning-approach goal orientation and prosocial cooperative value orientation – and avoid those with the Dark Triad traits. Managers should explore their workplace and understand what situational cues activate the desirable and undesirable personality traits of their workers. Originality/value This study draws the attention of various stakeholders of the knowledge management discipline to a vital, yet possibly derailed, research area.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,033 | 0,022 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».