MétaCan
Menu
← Retour à la cohorte
Enregistrement W4416005939 · doi:10.5465/amproc.2025.16540abstract

Does Leader Political Correctness Matter to Follower Work Outcomes?

2025· article· en· W4416005939 sur OpenAlexaff
Gang Wang, Michael Paik, Joshua C. Palmer, Yufan Deng, Ian R. Gellatly

Notice bibliographique

RevueAcademy of Management Proceedings · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPoliticsFollowershipPolitical correctnessInclusion (mineral)Work (physics)Empirical researchFace (sociological concept)Organizational citizenship behavior

Résumé

récupéré en direct d'OpenAlex

With the workforce in the United States (US) becoming increasingly diverse, leaders face mounting pressure to effectively manage their diverse group of followers. Leader political correctness is one type of leadership behavior directly relevant to leaders’ effective handling of diversity, equity, and inclusion in the workplace. Surprisingly, there is little research on leader political correctness. To fill this important gap, we integrate research on moral inclusion/exclusion, political skill, and followership to examine how and when leader political correctness might influence important follower outcomes, including follower voice, organizational citizenship behaviors (OCB), authentic self-expression, and turnover intention. Based on a sample of supervisors and their direct reports in the US, the results of this study suggest that politically correct leaders tended to be perceived as moral leaders by their followers and effectively reduced follower turnover intention via their morality. In addition, followers were more likely to express their true selves when they perceived their leaders as moral, with minority followers generally viewing politically correct leaders as more moral than majority followers did. This research provides important theoretical and empirical implications.

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)0,018
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 enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,268
Écart entre enseignants0,255 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management Proceedings→Même sujetJob Satisfaction and Organizational Behavior→Travaux en français237 207→