The Impact of Community Violence and an Organization's Procedural Justice Climate on Workplace Aggression
Notice bibliographique
Résumé
This study contrasts community violence and an organization's procedural justice climate (or lack thereof) as explanations for employee-instigated workplace aggression in the geographically dispersed plants of a nationwide organization. The findings showed that violent crime rates in the community where a plant resided predicted workplace aggression in that plant, whereas the plant's procedural justice climate did not. Workplace aggression, or behavior committed by employees with the intention of harming those with whom they work or have worked (e.g., Neuman & Baron, 1998), continues to be a significant and prevalent organizational problem. Its effects include lowered productivity, increased employee stress and absenteeism (Braverman, 1993), lawsuits, increased insurance premiums, tarnished reputations (e.g., Atkinson, 2000), reduced customer satisfaction (Walkup, 1999), and costly property damage. Because of workplace aggression, organizations have to bear considerable costs; these were estimated to be $4.2 billion in 1992 (Bensimon, 1994) and to have risen in subsequent years (Laabs, 1999). Not surprisingly, workplace aggression has garnered significant attention in both the popular me-We would like to express our gratitude to Maureen Ambrose and three anonymous reviewers for their insightful comments. We also would like to thank Judi McLean Parks for her comments on earlier versions, and Maura A. Dietz and Nicole N. Nolan for their help in the data collection. The Social Sciences and Humanities Research Council of Canada supported this research with a grant (#410-2002-0637) to the first two authors. A version of this article was published in the 1998 Academy of
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».