Optimal Distinctiveness at Work
Notice bibliographique
Résumé
Optimal distinctiveness theory (Brewer, 1991) proposes that individuals possess two fundamental and opposing needs – the need for differentiation and the need for assimilation – and often strive to achieve a balance between these two needs in various social contexts. While optimal distinctiveness theory has garnered much attention in the social psychology literature and its implications for social cognition, group membership identification and intergroup relations have been well examined (Leonardelli et al., 2010), its implications for individuals at work remain underexplored. This symposium aims to advance our understanding of how individuals navigate these two competing needs in the workplace. In particular, we aim to provide a novel perspective on why, when, and how people from diverse cultural contexts may pursue differentiation and assimilation, not only to fulfill their fundamental needs for individuality and belonging but also to respond to external material incentives. This symposium provides theoretical and practical insights for individuals striving to thrive psychologically and socially at work, as well as for organizations seeking to cultivate a workplace culture that is both productive and inclusive. How Performance Incentives Shape Workplace Authenticity Author: Alice Lee-Yoon; University of Missouri-Saint Louis Author: Julia D. Hur; New York University Author: Ashley Whillans; Harvard Business School Fit In or Stand Out? Race-Based Impression Management Strategy Effectiveness in Salary Negotiations Author: Kathy Vo; Northwestern University Author: Gabrielle Lopiano; Vanderbilt University Author: Tosen Nwadei; University of Toronto When Similarity Leads to Less Interpersonal Attraction at Work Author: Gaoyuan Zhu; Cornell University Author: John Angus Hildreth; Cornell University Author: Ya-Ru Chen; Cornell University Optimal Distinctiveness Theory’s Application in Chinese Management Research Author: Yanlong Zhang; Peking University Author: Jiani Wang; Peking University Author: Lanbing SHE; Peking 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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 ».