Breaking the flow: how do workplace hazing and co-worker bullying disrupt employee knowledge sharing?
Notice bibliographique
Résumé
Purpose Employees’ failure to share knowledge ruins organizational performance and innovation worldwide. Drawing on the job demands-resources (JD-R) model, the present study aims to explore how workplace hazing (WH) and co-worker bullying affect knowledge sharing (KS) via workplace alienation and fear-based silence (FBS) – an unexplored serial mechanism. In addition, it examines friendship prevalence (FPP) as a moderator in the association between FBS and KS. Design/methodology/approach A time-lagged study on 319 IT industry employees from Northern India, using partial least squares structural equation modeling to test hypothesized relationships. Findings The findings reveal that WH and co-worker bullying lead to workplace alienation among employees. Furthermore, results confirm workplace alienation and FBS as serial mediators. However, FPP does not moderate the association between FBS and KS. Practical implications The authors' findings suggest that expecting employees to engage in positive voluntary behaviors, such as KS, without tackling the challenges that deplete the work environment’s social capital may be quixotic. Thus, managers must give close and thoughtful attention to preventing and remedying WH and co-worker bullying to encourage employees’ voluntary behaviors, such as KS. Originality/value Past research has underscored the importance of an encouraging work environment in the knowledge creation and exchange process; hence, by administering the theoretical framework of the JD-R model, this study meaningfully contributes to the extant literature on hostile workplace conditions, namely, WH and co-worker bullying in influencing employees’ KS. Further, the results elucidate the dynamics of the sequential role of work alienation and FBS, offering constructive awareness to practitioners’ organizations.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».