Titelaufnahme
Titelaufnahme
- TitelEvaluating Work: Verbal and Numerical Assessments Across Organizational Contexts / von Jana Kim Gutt, M.A.
- Autor
- Gutachter
- Erschienen
- Umfang1 Online-Ressource (29 Seiten)
- HochschulschriftKumulative Dissertation Universität Paderborn, Dissertation, 2025
- AnmerkungTag der Verteidigung: 01.07.2025
- Verteidigung2025-07-01
- SpracheEnglisch
- DokumenttypDissertation
- Schlagwörter (GND)
- URN
- DOI
Links
- Social MediaShare
- Nachweis
- IIIF
Dateien
Klassifikation
Zusammenfassung
Wenn objektive Informationen begrenzt sind, greifen Unternehmen häufig auf subjektive Urteile zurück, um fundierte Einschätzungen zu treffen – insbesondere bei der Bewertung von Mitarbeitendenleistung. Diese Dissertation untersucht in vier Studien, wie organisationale Bewertungen durch Format, Kontext und Sprache beeinflusst werden. Die erste Studie beleuchtet die Beziehung zwischen gesprochenen Bewertungskommentaren und numerischen Ratings, indem ein Machine-Learning-Modell trainiert wird, um gesprochene Einschätzungen zu quantifizieren. Die Ergebnisse zeigen, dass algorithmische Ratings, die auf gesprochenen Beurteilungen basieren, interpersonale Kompetenzen besser widerspiegeln als die vergebenen numerischen Bewertungen. Die zweite Studie untersucht, wie Wärme- und Kompetenzverhalten während einer kooperativen Aufgabe beurteilt werden, und zeigt, dass sowohl das Bewertungsformat als auch das Geschlecht von Bewertenden und Bewerteten die Einschätzungen beeinflussen. Die dritte Studie verknüpft Bewertungsformate mit Arbeitsergebnissen und zeigt, dass gesprochene Kommentare Leistungsunterschiede innerhalb von Teams am besten erfassen. Diese drei Studien unterstreichen das Potenzial gesprochener Bewertungen im Zusammenhang mit Leistungsdeterminanten, -prozessen und -ergebnissen. Die vierte Studie wechselt die Perspektive und untersucht, wann Unternehmen auf Mitarbeitendenbewertungen auf Online-Plattformen reagieren. Sie zeigt, dass Unternehmen, die in ihren Stellenanzeigen Gemeinschaft betonen, eher auf Mitarbeitendenfeedback eingehen und dass Bewertungen, die eine hohe Übereinstimmung erfahren, eher eine Antwort erhalten.
Abstract
When objective information is limited, organizations often rely on subjective judgment to make accurate estimations – particularly in evaluating employee performance. This dissertation examines how organizational assessments are influenced by format, context, and language across four studies. The first paper explores the relationship between spoken assessment comments and numerical ratings by training a machine learning model to quantify spoken appraisals. Results show that algorithmic ratings derived from spoken assessments better reflect interpersonal competencies than assigned numerical ratings. The second paper investigates how warmth- and competence-related behaviors are evaluated during a collaborative task and reveals that both the format and the gender of rater and ratee influence assessments. The third paper links appraisal formats to performance outcomes and finds that spoken comments best capture performance differences within teams. These three studies emphasize the potential of spoken assessments and their relation to performance determinants, processes, and outcomes. Shifting focus, the fourth paper examines when organizations respond to employee reviews on online platforms. It shows that organizations emphasizing community in their job advertisements are more likely to engage with employee feedback and that reviews receiving high consensus are particularly likely to prompt a response.
Statistik
- Das PDF-Dokument wurde 29 mal heruntergeladen.
