GLOBAL TRENDS IN WORKPLACE DEVIANCE RESEARCH: A BIBLIOMETRIC ANALYSIS (2015 – 2025)
Notice bibliographique
Résumé
This bibliometric analysis examines global trends in workplace deviance research, a domain tied to organizational effectiveness through links to misconduct, incivility, and withdrawal behaviors. Despite rapid growth, the literature remains diffuse, which constrains cumulative theory development and application. The study maps key trends, influential contributors, themes, and collaboration structures. A Scopus advanced search using the terms workplace deviance and Counterproductive Work Behavior (CWB) identified 1,624 peer-reviewed records from 2015 to 2025. Descriptive statistics and graphs were produced with Scopus Analyzer, records were cleaned and harmonized in OpenRefine, and VOSviewer was used to model keyword co-occurrence and co-authorship by country networks. Output rose steadily from 2015 and accelerated after 2020, peaking in 2024, with 2025 showing strong partial-year activity. The United States and China lead by volume, followed by Pakistan, India, the United Kingdom, Canada, Germany, Australia, Malaysia, and the Netherlands. Themes centre on CWB, organizational justice, leadership styles, abusive supervision, knowledge hiding, cyberloafing, psychological contract breach, and crisis-related contexts. Collaboration networks show dense hubs in North America and Asia with growing ties across South and Southeast Asia. Implications point to strengthening ethical climate, fair procedures, leadership capability, and norms for digital conduct, with attention to knowledge hiding and related knowledge management behaviors associated with retaliation and withdrawal. Overall, the study delivers an integrated and current map of the field, clarifies intellectual anchors, highlights connectors across individual, relational, and organizational mechanisms, and outlines fronts for replication and intervention. It offers a robust reference point for future empirical and conceptual work and supports evidence-informed strategy in organizational settings.
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 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,203 | 0,265 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».