Knowledge self-enhancement and knowledge self-presentation in the workplace: conceptual foundations, measures, and impacts
Notice bibliographique
Résumé
Purpose This study aims to introduce two novel constructs – knowledge self-enhancement and knowledge self-presentation – into the knowledge management field to address a theoretical gap concerning the cognitive mechanisms driving knowledge behavior. Design/methodology/approach This article comprises two studies. Study 1 developed and validated a survey instrument, and Study 2 tested the new constructs within a nomological network of productive and counterproductive knowledge behavior. Data were collected from two samples of 202 and 171 experienced employees via the CloudResearch Connect platform. Findings On average, employees overstate their professional knowledge by 20% compared to that of their coworkers. Knowledge self-enhancement is a neutral or positive construct because it leads to knowledge hoarding and knowledge sharing, whereas knowledge self-presentation is a negative construct because it triggers knowledge hiding and knowledge sabotage. The effect of knowledge self-enhancement on knowledge self-presentation is amplified by the narcissistic personality trait. Practical implications Instead of preselecting new workers who do not possess knowledge self-enhancement or attempting to suppress the knowledge self-enhancement of existing employees, managers should prescreen job applicants for possession of the narcissistic personality trait. Managers should identify and remove distractor cues that activate the narcissistic personality trait in their workers. They should also educate their employees about the concept of knowledge self-presentation and its pernicious effects. Originality/value Knowledge self-enhancement and knowledge self-presentation are distinct constructs that differ from the other well-established measures tapping into similar cognitive and behavioral domains, namely, socially desirable responding, lying, and overclaiming. This study empirically shows that people’s natural tendency to self-enhance their characteristics is also present in the workplace.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».