پیش بینی پیامدهای شغلی با استفاده از ویژگیهای شخصیتی، ترجیحات و کاربردهای موسیقی
محورهای موضوعی : مدیریت منابع انسانی
محمدعلی خویشتن دار
1
,
سهیلا خویشتن دار
2
*
,
قاسم عباسی
3
1 - دانش آموخته کارشناسی ارشد، گروه مدیریت دولتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران
2 - گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران.
3 - گروه ریاضی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران
کلید واژه: روانشناسی موسیقی, روانشناسی سازمانی, ارزیابی و انتخاب برای استخدام,
چکیده مقاله :
تحقیق حاضر با برقراری ارتباط بین روانشناسی موسیقی و روانشناسی سازمانی به تبیین شبکه روابط بین ترجیحات موسیقی، کاربردهای موسیقی و ویژگی های شخصیتی با پیامدهای شغلی پرداخته و امکان ایجاد بهبود در پیش بینی پیامدهای شغلی را بررسی می‌کند. این تحقیق در دسته تحقیقات کاربردی، کمّی، پیمایشی و همبستگی قرار می گیرد. جامعه آماری، ایرانیان شاغل اند که در محافل اینترنتی طرفداران موسیقی فعال هستند. روش نمونه گیری آسان و حجم نمونه 1105 نفر بوده است. برای بررسی فرضیه‌های تحقیق از ضریب همبستگی پیرسون، تحلیل رگرسیون سلسله مراتبی و مدلسازی معادلات ساختاری و تحلیل مسیر استفاده شده است. نتایج تحلیل همبستگی نشان داد، ترجیحات و کاربرد موسیقی با پیامدهای شغلی و ویژگیهای شخصیتی همبستگی دارند. تحلیل رگرسیون سلسله مراتبی نشان داد، ترجیحات و کاربرد موسیقی به تنهایی از نظر آماری پیش بینی کننده های معناداری برای پیامدهای شغلی هستند. همچنین وقتی ترجیحات و کاربردهای موسیقی با ویژگیهای شخصیتی ترکیب می شوند قدرت پیش بینی رفتارهای شهروندی سازمانی، رفتار مخرب کاری و قصد ترک شغل افزایش می یابد. شواهد مدل سازی معادلات ساختاری نشان می‌دهد که رابطه ترجیحات موسیقی با پیامدهای شغلی احتمالاً به واسطه کاربرد موسیقی در زندگی روزمره برقرار می شود. لذا استفاده از داده‌های مربوط به ترجیحات و کاربرد موسیقی به اعتبار پیش‌بینی ابزارهای سنتی اضافه می‌کند.
By demonstrating the network of relationships between music preferences and uses and personality traits with work-relevant outcomes, this study bridges between music and organizational psychology and examines the possibility of predicting work-relevant outcomes. This research can be considered as an applied, quantitative, survey and correlational research. The statistical population consists of employed Iranians who are active in online music community forums. The sampling method was convenient and the sample size was 1105 people. Pearson's correlation coefficient, hierarchical regression analysis, structural equation modeling and path analysis were performed to test the research hypotheses. The results of correlation analysis showed that music preferences and uses are correlated with work-relevant outcomes and personality traits. Hierarchical regression analysis showed that music preferences and uses are statistically significant predictors for work-relevant outcomes alone. When music preferences and uses are combined with personality traits, the predictive power of organizational citizenship behaviors, counterproductive work behavior, and turnover intention increases. Evidence from structural equation modeling shows that the relationship between music preferences and work-outcomes are potentially mediated by use of music in everyday life. As a result, incorporating data of music preferences and uses in traditional predictive work-outcomes tools can add improvements in the validity of such tools.
1. Gottlieb T, Gøtzsche-Astrup O. Personality and work-related outcomes through the prism of socioanalytic theory: A review of meta-analyses. https://doi.org/101080/1901227620201756902 [Internet]. 2020 Oct 1 [cited 2021 Sep 1];72(4):346–62. Available from: https://www.tandfonline.com/doi/abs/10.1080/19012276.2020.1756902
2. Vella EJ, Mills G. Personality, uses of music, and music preference: The influence of openness to experience and extraversion. http://dx.doi.org/101177/0305735616658957. 2016 Aug 1;45(3):338–54.
3. Chamorro-Premuzic T, Furnham A. Personality and music: Can traits explain how people use music in everyday life? British Journal of Psychology. 2007 May 1;98(2):175–85.
4. Vahdati H, Hassanvand J. Investigating the Effect of Dark Triad on Job Performance Indicators of Human Resources. Organizational Culture Management. 2019 Dec 22;17(4):511–30.
5. Samavatyan H, Khani F, Nouri A, Samsam Shariat MR. The relationship between the big five personality factors of managers and supervisors with the employees`s organizational citizenship behaviours. Knowledge & Research in Applied Psychology. 2011 Oct 17;12(2):38–46.
6. Aghaz A, Ziaie M, Farzad G. Counterproductive Work Behavior and Organizational Citizenship Behavior: An Individual Differences Approach. Organizational Culture Management. 2016 Mar 20;14(1):155–79.
7. Ghaderi S, Rostami C, Ardalan A, Pashaei T. Predict of job performance and resiliency based on personality characteristics. Scientific Journal of Nursing, Midwifery and Paramedical Faculty. 2016;2(1):48–58.
8. Yao X, Li R. Big five personality traits as predictors of employee creativity in probation and formal employment periods. Pers Individ Dif. 2021;182:109914.
9. Szabó ZP, Simon E, Czibor A, Restás P, Bereczkei T. The importance of dark personality traits in predicting workplace outcomes. Pers Individ Dif. 2021;183:111112.
10. Jankovic M, Sijtsema JJ, Reitz AK, Masthoff ED, Bogaerts S. Workplace violence, post-traumatic stress disorder symptoms, and personality. Pers Individ Dif. 2021;168:110410.
11. Smith CE, Barratt CL, Hirvo A. Burned out or engaged at work? The role of self-regulatory personality profiles. Stress and Health. 2021;37(3):572–87.
12. Fricke KR, Herzberg PY. Personality and self-reported preference for music genres and attributes in a German-speaking sample. J Res Pers. 2017;68:114–23.
13. Bowes SM, Watts AL, Costello TH, Murphy BA, Lilienfeld SO. Psychopathy and entertainment preferences: Clarifying the role of abnormal and normal personality in music and movie interests. Pers Individ Dif. 2018;129:33–7.
14. Rentfrow PJ, Gosling SD. The do re mi’s of everyday life: the structure and personality correlates of music preferences. J Pers Soc Psychol [Internet]. 2003 [cited 2021 Sep 2];84(6):1236–56. Available from: https://pubmed.ncbi.nlm.nih.gov/12793587/
15. Greenberg DM, Baron-Cohen S, Stillwell DJ, Kosinski M, Rentfrow PJ. Musical Preferences are Linked to Cognitive Styles. PLoS One [Internet]. 2015 [cited 2021 Sep 8];10(7):131–51. Available from: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0131151
16. Rentfrow PJ, Goldberg LR, Levitin DJ. The structure of musical preferences: a five-factor model. J Pers Soc Psychol [Internet]. 2011 [cited 2021 Sep 3];100(6):1139. Available from: /pmc/articles/PMC3138530/
17. Hu X, Chen J, Wang Y. University students’ use of music for learning and well-being: A qualitative study and design implications. Inf Process Manag. 2021;58(1):102409.
18. Anderson I, Gil S, Gibson C, Wolf S, Shapiro W, Semerci O, et al. “Just the Way You Are”: Linking Music Listening on Spotify and Personality. https://doi.org/101177/1948550620923228. 2020;12(4):561–72.
19. Wenzhi Z, Yenchun W, Chuangang S, Hao W. Social media for talent selection? a validity test of inter-judge agreement and behavioral prediction. Information Technology and Management 2021 22:1 [Internet]. 2021 [cited 2021 Sep 1];22(1):1–12. Available from: https://link.springer.com/article/10.1007/s10799-021-00321-z
20. Alavijeh SZ, Zarrinkalam F, Noorian Z, Mehrpour A, Etminani K. What users’ musical preference on Twitter reveals about psychological disorders. Inf Process Manag [Internet]. 2023;60(3):103269. Available from: https://www.sciencedirect.com/science/article/pii/S0306457323000067
21. Managuran KD, Varathan KD, Al-Garadi MAD. Can music likes in Facebook determine your personality? Malaysian Journal of Computer Science. 2021 Jan 28;34(1):61–81.
22. Lee K, Ashton MC. Psychometric Properties of the HEXACO Personality Inventory. http://dx.doi.org/101207/s15327906mbr3902_8 [Internet]. 2010 [cited 2021 Sep 2];39(2 SPEC. ISS.):329–58. Available from: https://www.tandfonline.com/doi/abs/10.1207/s15327906mbr3902_8
23. Tooghi J, Ganji K. Standardization and adequacy of psychometric indices of Hexaco Questionnaire (HEXACO-60R) and its comparison with NEO-FFI-R. Journal of Psychology New Ideas. 2021;8(12):1–9.
24. Jones DN, Paulhus DL. Introducing the Short Dark Triad (SD3): A Brief Measure of Dark Personality Traits. http://dx.doi.org/101177/1073191113514105 [Internet]. 2013 Dec 9 [cited 2021 Aug 22];21(1):28–41. Available from: https://journals.sagepub.com/doi/10.1177/1073191113514105
25. Atari M, Chegeni R. Assessment of dark personalities in Iran: Psychometric evaluation of the Farsi translation of the Short Dark Triad (SD3-F). Pers Individ Dif. 2016 Nov 1;102:111–7.
26. Amiri S, Yaghoobi A. Evaluation of the psychometric properties scale of Dark Triad of personality. Research in Clinical Psychology and Counseling [Internet]. 2016 May 21 [cited 2021 Sep 3];6(1):77–97. Available from: https://tpccp.um.ac.ir/article_32265.html
27. Fairlie RW, Holleran W. Entrepreneurship training, risk aversion and other personality traits: Evidence from a random experiment. J Econ Psychol. 2012 Apr 1;33(2):366–78.
28. Williams LJ, Anderson SE. Job Satisfaction and Organizational Commitment as Predictors of Organizational Citizenship and In-Role Behaviors. J Manage. 1991;17(3):601–17.
29. Bennett RJ, Robinson SL. Development of a measure of workplace deviance. Journal of Applied Psychology. 2000;85(3):349–60.
30. Cheng PY, Yang JT, Wan CS, Chu MC. Ethical contexts and employee job responses in the hotel industry: The roles of work values and perceived organizational support. Int J Hosp Manag. 2013 Sep 1;34(1):108–15.