Self-Disclosure in Organizations
Notice bibliographique
Résumé
Self-disclosure, as the act of sharing personal information with others, has been recognized as a key mechanism for building interpersonal relationships. In organizational settings, self-disclosure is receiving increasing attention for its potential to influence work dynamics, relationships, leadership practices, and career outcomes. This symposium explores the processes and outcomes of self-disclosure in the workplace, focusing on how intentional or unintentional personal revelations about different topics impact work relationships and well-being, leadership perceptions, and career trajectories. Specifically, we will explore the decision-making processes involved in self-disclosure, the potential risks and benefits associated with revealing personal information, and how these disclosures shape perceptions of leaders, followers’ responses, interactions, and well-being at work and career advancement through hiring decisions. The five papers in the symposium include a variety of methods and designs across lab and field settings, in different countries, and regarding different topics of disclosure. Methodologies include a systematic review, between and within participants’ experiments, including the use of participant eye-tracking, qualitative, and survey-based studies. Self-disclosure topics include fertility treatment and, specifically, IVF disclosure, family and work role-based disclosure, and unintentional disclosure of marital and financial status. Outcomes of self-disclosure include perceptions and evaluations of leaders, followers' empathic concern and helping behaviors toward leaders, discloser’s well-being, demand-resource disequilibrium, and career outcomes, such as hiring and salary decisions. Together, the presentations in this symposium advance our understanding of the processes and outcomes of self-disclosure in organizational settings. A Critical Review of Self-Disclosure at Work Author: Alison Legood; Author: Yaxin Zheng; Author: Allan Lee; The Power of Supervisor Compassion in Response to Employee IVF Disclosure Author: Angela R. Grotto; Montclair State University Author: Carolyn J. Winslow; Author: Reut Livne-Tarandach; Manhattan College Reveal Hidden Roles: Effects of Leaders’ Work and Family Role Disclosure Author: Sunghyuck Mah; Seoul National University Author: MINJU OH; Author: Minjun Yoo; Seoul National University Author: Seokhwa Yun; Seoul National University Disclosure Decisions of Women Undergoing Fertility Treatment Author: Nada Basir; University of Waterloo Author: Serena Sohrab; Ontario Tech University Should it Stay, or Should it Go? Applicants’ Over Disclosure Processes in Employee Selection Author: Yochi Cohen-Charash; Baruch College of the City University of New York Author: Jonas Sutphin; The City University of New York Author: Kaitlin Busse; Baruch College of the City University of New York Author: Yuliya Cheban-Gore; The City University of New York Author: Manuel F. Gonzalez; Montclair State University
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 | 0,014 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».