Gaslighting in Organizations: Theoretical Foundations and Empirical Explorations
Notice bibliographique
Résumé
Gaslighting–a form of psychological and emotional manipulation in which a perpetrator seeks to make a target doubt the validity of their perceptions or feelings–has recently garnered increased interest from the public and academia. Despite its profound implications, gaslighting remains understudied in organizational contexts. To respond to the call for a more comprehensive understanding of gaslighting in organizational settings, this symposium aims to theoretically ground gaslighting in organizations and discuss early explorations of gaslighting at work to lay the foundation for more organizational scholars to conduct relevant studies in this area. Specifically, we include three theory papers to conceptualize and delineate gaslighting in organizational settings with different emphases. The first presentation theorizes possible antecedents, outcomes, and key mechanisms for gaslighting at work. The second takes a more specific angle by integrating different theories to illustrate the gaslighting process within leader-member dyads. The third also addresses gaslighting in leader-member settings by focusing on leader-member characteristics and the toxic organizational cultures these gaslighting relationships breed. The fourth extends beyond theorizing to examine how supervisors and coworkers apply different gaslighting tactics to abuse others, while the last paper leverages an organizational perspective in the exploration of policy gaslighting. Together, these papers seek to spark a meaningful conversation among scholars and practitioners to advance our understanding of gaslighting in organizational contexts, thereby inspiring future research on this important topic. Theorizing on the Critical Antecedents and Consequences of Gaslighting in Organizations. Author: Paula Ann Kincaid; The University of Texas at Tyler All in your head? A review and framework for managerial gaslighting Author: Jonathan Hendricks; University of Nebraska-Lincoln Author: Brett H Neely; Author: Troy A. Smith; University of Oklahoma Author: XIN MENG; Rutgers University Toxic Leaders at Work: Towards a Novel NARC-Attachment Theory of Workplace Gaslighting Author: Samantha Stalion; University of North Carolina at Greensboro Differentiating between Formal and Informal Sources of Power Wielded by Perpetrators of Gaslighting Author: Mohammad Khalilinejad; University of Calgary Author: Babatunde (Tunde) Ogunfowora; University of Calgary Author: Addison Maerz; Author: Simon Lloyd D. Restubog; University of Illinois at Urbana-Champaign ChatGPT Assisted Development and Construct Validation of the Scale for Policy Gaslighting Author: Stefan Thomas Mol; University of Amsterdam Author: Marijana Matijaš; Author: Laura Tognetti; -
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 | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,028 |
| Communication savante | 0,009 | 0,011 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».