Overall Organizational Justice Trajectories Among Newcomers: How Do Justice Perceptions Develop and Why Does It Matter?
Notice bibliographique
Résumé
ABSTRACT While organizational justice perceptions are often thought to be stable, empirical evidence highlights substantial within‐person fluctuations over time. The development of these justice fluctuations may have important implications for newcomers' enactment of organizational citizenship behaviors (OCB). Building on fairness heuristics theory to consider the perception of justice as a dynamic phenomenon, we predict that the developmental nature of overall organizational justice (OOJ) perceptions varies between people following three trajectories. A Canadian sample of 103 participants responded to weekly surveys across 17 weeks, resulting in 986 observations. By means of latent class growth modeling, we identified one stable and two dynamic OOJ trajectories. These OOJ trajectories were differentially related to the enactment of OCB. Respondents characterized by the major negative change trajectory (decreasing levels of OOJ) had the lowest levels of OCB enactment, whereas respondents characterized by the stable and minor negative change OOJ trajectory had equally high levels of OCB enactment. Even when accounting for variable‐centered between‐person elements (primacy, recency and halo effects) when predicting OCB enactment at the end of the study, we found significant effects for the developmental nature of one's OOJ. We discuss the importance of these findings for organizational justice theory as well as their implications for practice.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».