MétaCan
Menu
Retour à la cohorte
Enregistrement W4413365909 · doi:10.1016/j.jvb.2025.104171

Employee flourishing and moral obligation in extreme conditions

2025· article· en· W4413365909 sur OpenAlexaff
Baniyelme D. Zoogah, William Y. Degbey, Felicity Asiedu-Appiah, Chidiebere Ogbonnaya, Benjamin Laker

Notice bibliographique

RevueJournal of Vocational Behavior · 2025
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensMcMaster University
Organismes subventionnairesLiikesivistysrahastoFoundation for Economic Education
Mots-clésFlourishingObligationPsychologyMoral obligationSocial psychologyLawPolitical science

Résumé

récupéré en direct d'OpenAlex

We extend the extant call for a flourishing perspective by examining dynamic processes involving moral obligations of organizations, work meaningfulness, organizational responsiveness, and enabling conditions and their effects on employee flourishing in three studies from an emerging country. Through a mixed-study design, we qualitatively explore (Study 1: N = 146), perceptions of employees about the moral obligations, enabling conditions, and responsiveness of their organizations during an extreme condition. We then conduct (in Study 2) an experiment with employees ( N = 63) from the Kumasi metropolis in Ghana. The results of a 2 (high and low moral obligation) × 2 (facilitative and inhibitive enabling conditions) between-subjects design show that employees in high moral obligation organizations with facilitative enabling conditions reported perceptions of better flourishing than those in the other conditions. In Study 3, cross-sectional ( N = 112), we examine the mechanism and dynamics by which moral obligation influences employee flourishing. Study 4, a replication ( N = 81), shows a pattern similar to that of Study 2 in the Accra metropolis in Ghana. Consistent with the human flourishing theory, we discuss implications for future research.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,003
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
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 Opus0,432
Tête enseignante GPT0,478
Écart entre enseignants0,046 · 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'étudeObservationnel
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

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