BEM-ESTAR NO TRABALHO EM PROCESSOS DE MUDANÇA ORGANIZACIONAL: O PAPEL DAS REDES SOCIAIS INFORMAIS

RESUMO

Objetivo:

Este estudo avalia o papel das redes de apoio, informação e confiança no bem-estar no trabalho quanto aos afetos positivos e negativos e à realização profissional de trabalhadores em processos de mu- dança organizacional.

Originalidade/valor:

A mudança organizacional é um processo dinâmico, constituído por meio das relações, em um contexto de incertezas. O ma- peamento das relações pode auxiliar na compreensão dos fluxos de informação e na avaliação da disponibilidade de recursos.

Design/metodologia/abordagem:

Participaram 151 profissionais de uma holding de transportes rodoviários que passa por mudanças no escopo dos serviços e no desenho organizacional. Mapearam-se laços de apoio, informação e confiança estabelecidos em função dos processos de mu- dança. Associada ao mapeamento, utilizou-se a Escala de Bem-Estar no Trabalho. Para análise, adotaram-se estatísticas descritivas e regressões múltiplas na construção de modelos explicativos para as dimensões de bem-estar no trabalho: realização e afetos positivos e negativos.

Resultados:

Variáveis em análise de redes sociais (ARS) de apoio e informação compuseram o modelo preditivo de bem-estar nos três modelos. Os laços de apoio e informação integraram o modelo preditivo de bem-estar. As métricas que revelam a quantidade de vezes que o colaborador é indicado e indica outros, a proximidade de vizinhos muito citados, a participação em subgrupos coesos e o grau em que assume posição central nestes são as posições dos atores capazes de predizer bem-estar. A influência do padrão de interação entre gestores e colaboradores deve ser considerada na promoção de bem-estar em organizações em processo de mudança.

PALAVRAS-CHAVE:
Mudança nas organizações; Análise de redes sociais; Bem-estar no trabalho; Rede de apoio; Rede de informação

ABSTRACT

Purpose:

This study evaluates the role of social networks of support, information, and trust in well-being at work, regarding the positive and negative affects and professional fulfillment of workers immersed in processes of organizational change.

Originality/value:

Organizational change is characterized as a dynamic process, constituted through relationships, immersed in a context of uncertainties. The mapping of relationships can help in understanding the information flows and the assessment of resource availability.

Design/methodology/approach:

151 professionals from a holding participated. This company undergoes changes in the scope of services offered and the organizational design. Links of support, information, and trust established according to the change processes were mapped. Associated with the network, the Well-Being at Work Scale was used. For data analysis, multiple regressions were used to construct explanatory models for well-being factors: fulfillment, positive and negative affects.

Findings:

Variables in support and information social network analysis (SNA) composed the predictive model of well-being in the three models. Among the researched ties, the support and information ties were part of the predictive model of well-being. The metrics that reveal how many times the employee is indicated and indicates others, proximity to highly cited neighbors, degree of participation in cohesive subgroups, the degree to which they assume a central position in the subgroups are indicators of actors’ positions capable of predicting well-being. The influence of the pattern of interaction between managers and employees should be considered in promoting well-being in organizations in the process of change.

KEYWORDS:
Change in organizations; Social network analysis; Well-being at work; Support network; Information network

1

INTRODUÇÃO

Os processos de mudança organizacional se caracterizam por alterações nos componentes organizacionais produzidas por intervenções que impactam os resultados da organização e o cotidiano de seus membros (Neiva & Paz, 2012; Woodman, 2014). Esses processos são dinâmicos (Jian, 2011; Schreyögg & Sydow, 2011) e constituem-se no tecido das relações interpessoais estabelecidas por gestores e colaboradores. Interativa por natureza, a mudança organizacional se constitui em um movimento não linear de avanços e recuos diante da direção almejada (Woodman, 2014).

O mapeamento das relações interpessoais no contexto de mudança organizacional pode trazer luz sobre como a ação e a percepção coletiva contribuem ou trazem entraves para a adesão de novas maneiras de pensar, conduzir e operar resultados organizacionais (Brands, 2013). A análise de redes sociais (ARS) associada ao campo da psicologia organizacional tem se destacado por ser capaz de tornar visíveis relações informais tecidas no contexto organizacional (Ribeiro, Macambira, & Neiva, 2017). Mais do que isso, a compreensão do padrão de interação cotidiano nas organizações permite compreender como esses padrões favorecem ou não o alcance dos resultados organizacionais (Cross, Singer, Colella, Thomas, & Silverstone, 2010).

A ARS pode ser compreendida como um paradigma multidisciplinar que busca a compreensão dos padrões de laços que conectam atores e seus efeitos para os atores e para a estrutura social como um todo. A unidade básica de análise da ARS são as interações, os recursos trocados e a estrutura social construída a partir dessas relações (Borgatti & Lopez-Kidwell, 2011). Boa parte dos estudos em psicologia organizacional associados à ARS tem como premissa o modelo teórico de fluxo de rede, no qual o fluxo é uma variá­vel latente que pode ser medida a partir do padrão de ligação entre os atores.

A proposição do modelo de fluxo resulta dos esforços de Borgatti e Lopez-Kidwell (2011) de integrar teorias clássicas em ARS, como a teoria da força dos laços fracos, a teoria do capital social e a teoria dos buracos estruturais. Subjacentes a esse modelo, os autores destacam duas funções centrais das redes sociais: o acesso ou a restrição ao capital social disponível e a promoção de homogeneidade por meio de mecanismos de contágio social. Na primeira, a rede é compreendida como espaço de provisão de recursos que estão acessíveis a atores mais bem posicionados ou mais centrais. Ao tratarem sobre as posicões dos atores na rede e sobre os processos de mudança organizacional, Wichmann, Carter e Kaufmann (2015) destacam a relação entre a centralidade na rede social, as características de proatividade dos atores e o potencial de adoção de novos comportamentos.

O segundo mecanismo do modelo de fluxo, denominado contágio social (Burt & Merluzzi, 2014), explica que os indivíduos tendem a manter crenças, atitudes e comportamentos semelhantes aos de seus laços sociais próximos. Muitos estudos destacam o importante papel que a proximidade entre os pares (Yamanis, Fisher, Moody, & Kajula, 2015) e a estrutura geral da rede (De, Cox, Boivin, Platt, & Jolly, 2007) podem desempenhar na adesão de novos comportamentos (Mulawa et al., 2016). Além disso, a ARS permite avaliar se a estrutura geral das interações proporciona o acesso às informações e ferramentas necessárias para implementação de novos processos de trabalho. Nesse sentido, a ARS pode assumir um lugar estratégico para a gestão da mudança por permitir a identificação de atores influenciadores na aprendizagem de novos comportamentos e na aceitação da mudança ou recusa a ela.

Esse lugar estratégico tem sido evidenciado por estudos que destacam o importante papel da macroestrutura da rede pela qual transitam mecanismos de contágio social, proximidade e semelhança entre os pares. Esses mecanismos atuam na difusão de normas descritivas e desempenham papel fundamental na formação e na manutenção de comportamentos favoráveis ou desfavoráveis à mudança (Ajilore, 2015; Barrington et al., 2009; Burt & Merluzzi, 2014; De et al., 2007; Mulawa et al., 2016; Yamanis et al., 2015). Outro fator importante em processos de mudança é o papel de construir pontes entre unidades departamentais, incumbência atribuída aos líderes formais das unidades. A densidade dos laços dos líderes com seus seguidores e com líderes de outras unidades dentro da rede tem sido indicada como fator crucial para a adoção dos comportamentos desejados no processo de mudanças (Tenkasi & Chesmore, 2003).

O estabelecimento de laços fortes com membros influentes na organização e que são indecisos sobre uma mudança proveem ao agente de mudanças uma base afetiva para cooptá-los. Esse processo de cooptação aumenta a probabilidade de que a organização adote a mudança. Contudo, laços fortes com membros da organização potencialmente influentes mas resistentes a uma mudança substancial são um meio efetivo de cooptação apenas quando uma mudança diverge pouco das práticas institucionalizadas. Com mudanças mais divergentes das práticas institucionalizadas, as vantagens de fortes laços com os resistentes ocorrem quando os agentes de mudança são mais fracos e podem se transformar em empecilhos que reduzem a probabilidade de adoção de mudanças (Battilana & Casciaro, 2013).

As redes sociais informais impactam também os comportamentos criativos (Dokko, Kane, & Tortoriello, 2014) e inovativos (Wong & Boh, 2014). Podem ainda influenciar no grau de comprometimento, no entrincheiramento e no consentimento organizacionais (Macambira, Bastos, & Rossoni, 2015), o que, por sua vez, impacta a incorporação de comportamentos de apoio à mudança por parte dos trabalhadores (Lysova, Richardson, Khapova, & Jansen, 2015). Ajudam na formação de julgamentos a respeito dos novos aspectos do trabalho com base nos julgamentos de colegas (Kehoe & Wright, 2013) e demonstram como a ação gerencial é importante para a adoção de comportamentos inovadores (Gubbins & Dooley, 2014; Wong & Boh, 2014).

Avanços nas pesquisas mostram que laços fracos, buracos estruturais (Maciel & Chaves, 2017), cognição e personalidade são temas que têm sobressaído (Cross, Kaše, Kilduff, & King, 2013), cujos resultados indicam vantagem da qualidade dos laços em relação ao tamanho da rede para promover alteração nos comportamentos e nas cognições dos indivíduos. Se, por um lado, laços estreitos podem prejudicar a adoção de mudanças (Battilana & Casciaro, 2013), por outro, laços fortes correlacionados a atores com mais iniciativa e favoráveis às mudanças contribuem para mudanças organizacionais bem-sucedidas (Teixeira & Verhine, 2014). Battilana e Casciaro (2013) concluíram que os vínculos e relacionamentos sociais podem ser fundamentais para o sucesso das mudanças na medida em que fornecem o substrato para que os indivíduos sejam cooptados para apoiarem o processo.

Alguns líderes ainda subestimam o papel central que os indivíduos desempenham no processo de mudança (Choi, 2011; Cross et al., 2013), e outros são “campeões da mudança” e buscam identificar empregados que apoiam a mudança e a promovem entre seus pares (Khatoon & Farooq, 2014; Lysova et al., 2015). Nesse cenário, processos de mudança podem acirrar relações intergrupais e exaltar o caráter político da mudança por meio de interações marcadas por disputas de poder entre grupos a favor da mudança e contra ela (Pichault & Schoenaers, 2003). Em um contexto de disputas políticas, incertezas e expectativas características de processos de mudança, é possível que os colaboradores experimentem estresse e adoecimento decorrentes de sentimentos de negação (Franco, Neiva, Nery, & Demo, 2016).

Sabemos que as condições de trabalho exercem papel importante no grau de estresse experimentado pelo trabalhador. Um estudo longitudinal realizado por Marchand, Demers e Durand (2005) observou a importância de fatores como insegurança no emprego e maior poder decisório no aumento do risco de sofrimento psicológico. Além desses achados, o estudo demonstra que a estrutura ocupacional tem papel limitado quando as estruturas da vida diária e os elementos da personalidade são considerados.

Muitos estudos sobre relacionamento social e bem-estar ainda trabalham com medidas de adoecimento para mensurar o bem-estar individual. Em geral, esses estudos relatam que o tipo de relacionamento, o grau de proximidade e a frequência de contato nas redes sociais informais influenciam na quantidade de esforço empreendido para minimizar o adoecimento nas redes sociais informais (Vassilev et al., 2013). Como exemplo de estudos sobre o tipo de relacionamento, Luria e Kalish (2013) encontraram resultados de predição diferentes a depender da natureza do laço pesquisado, se de colaboração ou de amizade. Na rede de colaboração, os atores mais citados receberam altos escores em engajamento e performance diante de situações de estresse. Já na rede de amizade, os atores com ligações não redundantes, ou seja, os que não integravam um subgrupo fechado, foram mais bem avaliados em engajamento, performance sob situações de estresse e liderança.

De maneira geral, ainda são poucos os estudos que associam ARS e bem-estar priorizando escalas de bem-estar diante das escalas de adoecimento. As pesquisas dessa natureza têm sugerido associações entre bem-estar subjetivo e características das redes sociais informais, como o tamanho da rede. Entre eles, Borgatti, Everett e Johnson (2013) e Borgatti, Mehra, Brass e Labianca (2009) identificaram que o grau de urbanismo das comunidades reduzia a densidade da rede social dos atores e estava negativamente relacionado às medidas de satisfação e bem-estar geral dessas comunidades.

Efeitos do status social na rede e nos laços pessoais tiveram resultados diferentes nas redes de amizade e de aconselhamento, e em distintas práticas mais competitivas ou mais colaborativas nas organizações (Dabos & Rousseau, 2013). Ao conduzir um estudo utilizando modelagem de equações estruturais, Wang (2016) identificou que o suporte social percebido mediou parcialmente a relação entre o tamanho da rede e o bem-estar subjetivo. Alguns estudos no contexto organizacional apontam para a sobrecarga de atores centrais, com percepção de falta de recompensas por seus esforços e decorrentes pedidos para sair da equipe (Soltis, Agneessens, Sasovova, & Labianca, 2013). Características dos membros da rede (tipo de relacionamento, proximidade e frequência de contato) influenciam na quantidade de esforço empreendido para minimizar o adoecimento nas redes sociais informais (Vassilev et al., 2013).

O impacto das redes sociais no bem-estar individual também pode ser analisado do ponto de vista das relações negativas no contexto das redes sociais nas organizações. Com base no argumento da assimetria negativa, as relações negativas, ao contrário dos relacionamentos positivos, podem afetar negativamente o bem-estar no trabalho (Labianca & Brass, 2006). Dados da rede social relacionados à troca de informações, indicações de clientes e trabalho conjunto contribuíram para a saúde mental, emocional ou níveis de estresse em um grupo de trabalhadores rurais australianos (Fuller et al., 2007). No estudo de Fuller et al. (2007), evidenciaram-se a influência da rede, a proeminência e o status intermediário sobre indicadores de bem-estar.

Considerando o exposto, supõe-se que características da rede social informal podem afetar diretamente o bem-estar dos indivíduos e suas equipes de trabalho, principalmente durante os processos de mudança organizacional. Fatores como características da rede, intensidade dos laços, nível de informação obtido e origem da informação podem afetar as reações afetivas, cognitivas e emocionais dos trabalhadores, o que pode gerar impactos no bem-estar deles.

No intuito de explorar a dinâmica entre o padrão de interação dos colaboradores e seus indicadores de bem-estar, o presente estudo procura identificar associações entre as posições dos colaboradores na rede social informal e o bem-estar no trabalho. Com base nos achados que associam mudança de comportamento e padrões de associação em diferentes tipos de rede (Conde & Farias, 2016), avalia-se o poder preditivo de três tipos de laço diante do bem-estar dos trabalhadores: apoio, informação e confiança. Além disso, para cada tipo de laço são avaliados os efeitos preditivos de métricas de redes sobre o bem-estar dos trabalhadores, em suas três principais dimensões: afetos positivos, afetos negativos e realização profissional (Demo & Paschoal, 2016; Paschoal & Tamayo, 2008).

2

MÉTODO

Este estudo é de caráter exploratório e busca, essencialmente, identificar a contribuição das medidas das redes de apoio, informação e confiança no bem-estar dos trabalhadores em cada um dos seus três fatores: afetos positivos, afetos negativos e realização profissional.

2.1

Participantes do estudo

Ao todo, 256 colaboradores de uma holding de transporte rodoviário foram convidados a participar da pesquisa. Dos 256 questionários encaminhados, 151 foram respondidos, o equivalente a 58,9% do total. A amostra é composta predominantemente por homens (73,3%). Quanto à escolaridade, 44% dos participantes possuem ensino médio, 29% concluíram o ensino superior, 19% estão cursando ensino superior, 17% têm pós-graduação e 16% cursaram até o ensino fundamental. Dos participantes, 36 exercem cargos de liderança, sendo 27 homens e nove mulheres. Os colaboradores pertencem a seis empresas integrantes da holding e se distribuem em 37 funções de caráter gestor, administrativo, financeiro e operacional. Há maior concentração de participantes exercendo funções em agências rodoviárias, chegando a aproximadamente 40% do total.

2.2

Procedimentos e instrumentos

A coleta dos dados foi realizada em uma holding sediada no Brasil. Essa holding reúne empresas de prestação de serviços rodoviários. Embora os processos de mudança quanto à formação e à agregação de novas empresas venha acontecendo desde 2009, é possível demarcar processos de mudança ocor­ridos entre 2018 e 2019. Tais processos referem-se ao aumento da abrangência dos serviços prestados, incluindo serviços de logística, fretamento e turismo. Além disso, a empresa passa por processos de redesenho organizacional, a exemplo da criação de uma unidade de logística, integração das unidades de recursos humanos e de departamento de pessoal. Houve ainda mudança da localização da sede da empresa para outro estado.

Os instrumentos foram aplicados aos colaboradores de algumas uni­dades da holding por meio de formulário eletrônico disponibilizado em um link. Antes de responder às escalas propostas, o participante realizava a leitura do termo de consentimento informado e prosseguia apenas após estar ciente e concordar com os termos apresentados.

A Escala de Bem-Estar no Trabalho (Demo & Paschoal, 2016; Paschoal & Tamayo, 2008), composta por três fatores (afetos positivos, afetos negativos e realização), abrange 29 itens e desvela índices de confiabilidade acima de 0,90. As análises fatoriais exploratória e confirmatória resultam em três fatores com alfas de Cronbach de 0,91, 0,86 e 0,87 e cargas fatoriais acima de 0,45. As medidas de ajuste da análise fatorial confirmatória foram satisfatórias (c²/df = 2,02; TLI = 0,91; CFI = 0,92; GFI = 0,90; RMSEA = 0,07).

Para o mapeamento da rede, os colaboradores foram convidados a indicar até cinco colegas com os quais estabeleceram contato em busca de apoio, informação ou para expressar o que pensavam sobre os processos de mudança. A partir dessas consignas, mapearam-se as redes de apoio, informação e confiança, respectivamente. Além disso, para cada colega citado, o participante avaliava a proximidade da relação estabelecida por meio de uma escala de 1 (pouca proximidade) a 5 (muita proximidade).

2.3

Análise de dados

Para a análise das medidas em ARS, as respostas dos participantes acerca das relações que constituem com seus pares foram organizadas em matrizes de adjacência que permitem a análise de dados de centralidade e o agrupamento para cada ator da rede. Geraram-se as medidas degree, indegree, outdegree centrality, authority, eigenvector, modularity class e clustering coefficient, através do software Gephi (Bastian, Heymann, & Jacomy, 2009), para cada rede mapeada. A Figura 2.3.1 descreve o significado de cada medida.

Figura 2.3.1
SIGNIFICADO DAS MÉTRICAS DE ANÁLISE DE REDES SOCIAIS UTILIZADAS

Medida	Significado
Indegree	Quantidade de citações recebidas por determinado ator (Hanneman & Riddle, 2011).
Outdegree	Quantidade de citações realizadas por determinado ator (Hanneman & Riddle, 2011).
Degree	Soma de indegree e outdegree (Hanneman & Riddle, 2011).
Bridging	Identifica atores que assumem o papel de conectores críticos na rede (Everett & Valente, 2016).
Authority	Atores mais importantes em subgrupos específicos na rede (Lü et al., 2016).
Eigenvector	O escore do ator é proporcional à soma dos escores dos seus vizinhos (Borgatti & Halgin, 2011).
Modularity class	Como medida de ego, informa a quantidade de comunidades de que cada ator participa (Newman, 2006).
Clustering coefficient	Como medida de ego, informa a proporção em que cada nó participa de subgrupos altamente conectados (Katona, Zubcsek, & Sarvary, 2011).

Fonte:

Os dados das variáveis do bem-estar no trabalho foram definidos como desfechos (variáveis dependentes) e as métricas das redes, como variáveis potencialmente explicativas de bem-estar, além das variáveis-controle que caracterizam aspectos sociodemográficos (sexo, escolaridade, idade) e características do trabalho (tempo de serviço, empresa, nível hierárquico), definidas como variáveis independentes. Considerando a natureza exploratória dos objetivos deste trabalho e a complexidade existente em relação ao número de métricas provenientes das redes, adotou-se como método de escolha da importância das variáveis uma análise de regressão automática.

O método automático de regressão testa todas as combinações possíveis de um conjunto de preditores utilizando um critério preestabelecido para classificá-las em uma ordem por critérios que otimizam a capacidade de predição do modelo em relação a uma ou mais variáveis-critérios. Considerando que o número de combinações possíveis cresce rapidamente em relação aos modelos com maiores valores de variância explicada, ajustada pelo tamanho da amostra e pelo número de preditores (R2 ajustado), é utilizado indicador para classificação dos modelos. Adicionalmente, um algoritmo de recategorização é utilizado para testar relações entre subgrupos formados pelas variáveis que otimizam a capacidade explicativa do modelo. Essa análise adotou como objetivo a minimização do critério de informação de Akaike (Akaike’s information criterion [AIC]), considerado estimador da qualidade relativa dos modelos.

O conjunto dos modelos possíveis, considerando as combinações entre as variáveis e suas recategorizações, feitas de forma automática pelo algoritmo adotado, é avaliado pelo AIC, e o melhor subconjunto formado pelas variáveis explicativas e de controle é selecionado como melhor modelo. Cabe ressaltar que a escolha do modelo final também leva em consideração se a recategorização produzida pelo algoritmo faz sentido em termos teóricos. Já as variáveis referentes às métricas geradas a partir das redes sociais informais foram analisadas em termos de regressões múltiplas padrão.

As seguintes suposições para regressão foram analisadas por meio de gráficos de resíduos, gráficos de probabilidade normal e testes estatísticos: linearidade do fenômeno, variância constante dos termos de erro (homocedasticidade), independência dos termos de erro e normalidade da distribuição dos termos de erro. Por fim, as análises de multicolinearidade e singularidade não apresentaram problemas para a amostra pesquisada, ou seja, os valores de tolerance foram superiores a 0,1, e os de fator de inflação de variância (variance inflation factor [VIF]), inferiores a 10,0 (Tabachnick & Fidell, 2013).

3

RESULTADOS

A seguir, apresentam-se os dados descritivos dos escores de bem-estar distribuídos nos três fatores que o compõem: afetos positivos, afetos negativos e realização profissional. Essa distribuição, por sua vez, é demonstrada por meio das variáveis sociodemográficas levantadas, a saber: sexo, escolaridade, empresa de origem, assunção de cargo de liderança ou subordinado e cômputo geral (Figura 3.1).

Embora a escala de bem-estar seja respondida por meio de uma escala de 1 a 5 (nem um pouco a extremamente), os dados descritos na Figura 2.3.1 foram transformados em escores z, a fim de padronizar as escalas. Para tanto, centraram-se a média dos escores em zero e o desvio padrão em uma unidade para cada uma das subescalas, de modo a facilitar a comparação entre elas. Quando se compararam os sexos feminino e masculino da amostra coletada, os homens apresentaram resultados mais favoráveis nas três dimensões da escala: maior afeto positivo, menor afeto negativo e maior realização profissional.

Quando observados de acordo com a escolaridade, os colaboradores com superior incompleto apresentam o menor nível de bem-estar em todos os fatores avaliados: baixo afeto positivo, alto afeto negativo e baixo grau de realização profissional. Já os trabalhadores de ensino fundamental apresentam a composição mais favorável quanto ao seu bem-estar: alto afeto posi­tivo (0,3), menor média de afeto negativo (-0,4) e maior média de realização profissional (0,4). Dentre as empresas participantes da holding pesquisada, as empresas D e E apresentam índices de bem-estar mais expressivos, e as empresas A e F, indicadores menos favoráveis ao bem-estar no trabalho. Quando comparados em relação à assunção de cargo de chefia, os líderes apresentam maiores escores de realização e bem-estar afetivo.

Na sequência, apresentam-se três modelos preditores para cada um dos fatores de bem-estar: realização profissional, afetos positivos e afetos negativos. Além dos dados sociodemográficos indicados na Figura 3.1, também foram testadas as variáveis de redes sociais descritas no método. Para cada um dos três modelos apresentados, informaremos quais variáveis de rede se estabeleceram como preditoras e de qual tipo de rede elas são (apoio, informação e confiança).

Figura 3.1
DISTRIBUIÇÃO DOS ESCORES DE BEM-ESTAR DE ACORDO COM AS VARIÁVEIS-CONTROLE

Variável-controle				Afetos positivos			Afetos negativos			Realização profissional
		N	%	Média	Mediana	Desvio padrão	Média	Mediana	Desvio padrão	Média	Mediana	Desvio padrão
Sexo	Dados faltantes	3	2%	0,6	1,2	1,18	0,5	1	1,22	-0,1	0,3	1,03
	Feminino	37	25%	-0,1	0,1	1,02	0,2	0,1	0,92	-0,3	0	1,2
	Masculino	110	73%	0,1	0,3	0,92	-0,1	-0,4	0,99	0,1	0,5	0,85
Escolaridade	Missing	3	2%	0,6	1,2	1,18	0,5	1	1,22	-0,1	0,3	1,03
	Esp./MBA/Mest.	17	11%	0,4	0,4	0,76	0,3	0,2	0,9	0,1	0	0,64
	Fundamental	16	11%	0,3	0,3	0,96	-0,5	-0,8	0,8	0,4	0,8	0,8
	Médio	66	44%	0,1	0,3	0,89	0	-0,3	1,02	0,2	0,5	0,74
	Superior completo	29	19%	0	0,3	1,03	-0,3	-0,4	0,75	-0,3	0	1,27
	Superior incompleto	19	13%	-0,4	-0,2	1,05	0,4	0,3	1,11	-0,5	-0,4	1,19
Empresa	A	28	19%	-0,2	0,1	1,12	0	-0,2	0,96	-0,3	0	1,3
	B	94	63%	0	0,1	0,92	0	-0,2	0,99	0	0,3	0,88
	C	5	3%	0,4	0,4	0,34	-0,7	-0,6	0,41	-0,3	0,1	0,78
	D	10	7%	0,5	0,5	0,58	0,3	0	1,04	0,3	0,7	0,71
	E	11	7%	0,5	1	1,08	-0,3	-0,8	1,15	0,7	0,9	0,34
	F	2	1%	-0,2	-0,2	0,21	-0,1	-0,1	0,18	0,5	0,5	0,68
Nível hierárquico	Dados faltantes	1	1%	-0,8	-0,8	-	1,5	1,5	-	-1,3	-1,3	-
	Líder	38	25%	0,2	0,4	0,83	0,1	-0,2	0,97	0,3	0,5	0,6
	Subordinado	111	74%	0	0,3	0,98	-0,1	-0,3	0,97	-0,1	0,1	1,03
Geral		150	100%	0,06	0,27	0,95	-0,04	-0,31	0,98	0,03	0,29	0,96

Fonte:

3.1

Realização profissional

O modelo final para realização, uma dimensão de bem-estar no trabalho, explicou 22,3% da variância dos escores de realização profissional (R2 ajustado = 0,223; F(13,136) = 4,6; p < 0,001), de acordo com a seguinte equação:

$$\begin{array}{rl}{Y}_{\mathit{\text{realizacão profissional}}}& =0,64X_{\mathit{\text{Empresa SubConj A}}}-0,53X_{\mathit{\text{Empresa SubConj B}}}-7,52X_{\mathit{\text{Eigenvector Informacão}}}\\ & -0,43X_{\mathit{\text{Escolaridade SubConj A}}}+3,60X_{\mathit{\text{Coef Clustering Informacão}}}+0,25X_{\mathit{\text{Indegree Informaça}}o}\\ & -1,54X_{\mathit{\text{Coef Clustering Apoio}}}\end{array}$$

A regressão linear permitiu identificar como relevantes para esse primeiro modelo métricas relativas aos laços estabelecidos em busca de informação e apoio (Figura 3.1.1).

As medidas de redes mais influentes nesse modelo pertencem à rede de informação. Uma das métricas de maior importância foi a eigenvector (B =−7,522; t(9) =−3,65; p < 0,001) com o poder de predizer a diminuição do fator realização. A eigenvector centrality de cada participante é gerada com base na soma dos escores dos seus vizinhos na rede. Esse resultado indica que quanto mais um colaborador está próximo de outros colaboradores muito citados, menor é a realização profissional dele.

Já as medidas de clustering coefficient (B = 3,6; t(9) = 3,42; p < 0,001) e indegree centrality (B = 0,25; t(9) = 2,01; p < 0,046) permitem predizer o aumento dos escores de realização. A primeira métrica, a de clustering coefficient, informa o grau de participação em grupo altamente conectado. O resultado sugere que quanto maior a participação do colaborador em um subgrupo fechado (rede de informação), maior o seu grau de realização profissional. O aumento do escore na dimensão realização profissional também é predito pela quantidade de citações que o colaborador recebe: quanto mais citado pelos demais, maior a possibilidade de experimentar bem-estar devido ao aumento da realização profissional.

Na rede de apoio, a métrica de clustering coefficient (B =−1,54; t(9) =−2,54; p < 0,012) indica tendência oposta, ao sinalizar a diminuição dos escores de realização. A existência de uma mesma métrica indicando tendência oposta é avaliada na seção “Discussão” deste trabalho. Embora não significativo, o índice authority também compõe o quadro das variáveis de rede do modelo preditivo, sendo capaz de predizer o aumento dos escores de realização no trabalho (B = 5,89; t(9) = 1,57; p < 0,119). Um escore elevado na métrica authority significa dizer que o colaborador possui uma posição central no subgrupo do qual é membro.

As variáveis-controle empresa de origem, escolaridade e liderança (aspecto não significativo) apresentam capacidade preditiva no modelo encontrado para a dimensão realização profissional. O subconjunto A de empresas e a assunção de cargo de chefia são capazes de predizer o aumento do bem-estar. Já o subconjunto B de empresas e o subconjunto A de escolaridade foram capazes de prever a redução do fator realização. Esse subconjunto A de escolaridade reuniu colaboradores com ensino superior incompleto e completo.

Figura 3.1.1
MODELO FINAL PARA A DIMENSÃO REALIZAÇÃO

Termo-modelo	Coeficiente	Erro padrão	t	Sig.	95% de intervalo de confiança		Importância
					Inferior	Superior
Empresa - subconjunto A	0,639	0,271	2,36	0,02	0,104	1,175	0,24
Empresa - subconjunto B	-0,529	0,185	-2,862	0,005	-0,894	-0,163	0,24
Eigenvector - informação	-7,522	2,006	-3,75	0	-11.488	-3,557	0,213
Coeficiente de clustering -informação	3,602	1,051	3,427	0,001	1,524	5,68	0,178
Escolaridade - subconjunto A	-0,429	0,151	3,427	0,001	1,524	5,68	0,178
Coeficiente de clustering - apoio	-1,542	0,608	-2,537	0,012	-2,743	-0,34	0,098
Indegree - informação	0,25	0,125	2,009	0,046	0,004	0,496	0,061
Cargo de liderança	0,323	0,177	1,825	0,07	-0,027	0,672	0,051
Autoridade - apoio	5,892	3,761	1,567	0,119	-1,543	13,328	0,037

Fonte:

3.2

Afetos positivos

O modelo final para afetos positivos explicou apenas 12% da variância dos escores de afetos positivos (R2 ajustado = 0,12; F(5,144) = 5,04; p < 0,001), de acordo com a seguinte equação:

$$\begin{array}{rl}{Y}_{\mathit{\text{afeto positivo}}}& =0,52X_{\mathit{\text{Empresa SubConj A}}}-7,2X_{\mathit{\text{Coef. Autoridade Apoio}}}-0,23X_{\mathit{\text{Bridging Coef. Informaacao}}}\\ & +0,02X_{\mathit{\text{Idade}}}\end{array}$$

A regressão linear permitiu identificar como relevantes para esse segundo modelo métricas relativas às redes de informação e apoio (Figura 3.2.1).

Na rede de apoio, a métrica authority (B = 7,16; t(5) = 2,35; p < 0,020), ser central no subgrupo de origem, é capaz de predizer o aumento dos afetos positivos. Na rede de informação, o bridging coefficient (B =−0,23; t(5) =−2,26; p < 0,025) sinaliza a diminuição dos escores relativos ao fator afetos positivos. Os colaboradores com maiores índices de bridging coefficient são os atores que funcionam como pontes, ou seja, são conectores críticos das redes sociais.

As variáveis-controle empresa de origem (subconjunto A) e idade também apresentaram potencial de prever o aumento dos afetos positivos, enquanto tempo de admissão aponta para redução dos afetos positivos.

Figura 3.2.1
MODELO FINAL PARA A DIMENSÃO AFETIVOS POSITIVOS

Termo-modelo	Coeficiente	Erro padrão	t	Sig.	95% de intervalo de confiança		Importância
					Inferior	Superior
Empresa - subconjunto A	0,516	0,195	2,652	0,009	0,131	0,901	0,24
Tempo de admissão	0	0	-2,578	0,011	0	0	0,227
Authority - apoio	7,162	3,053	2,346	0,02	1,127	13,196	0,188
Bridging coefficient - informação	-0,23	0,102	-2,265	0,025	-0,431	-0,029	0,175
Idade	0,018	0,008	2,225	0,028	0,002	0,034	0,169

Fonte:

3.3

Afetos negativos

O modelo preditivo encontrado para a dimensão de bem-estar afetos negativos foi o de menor potencial explicativo das métricas de redes dentre os três fatores de bem-estar (Figura 3.3.1). Esse terceiro modelo explicou apenas 11,7% da variância dos escores relativos a afetos negativos (R2 ajustado = 0,117; F(6,143) = 4,30; p < 0,001), de acordo com o seguinte modelo:

$$\begin{array}{rl}& Y_{\mathit{\text{afeto negativo}}}=0,48X_{\mathit{\text{Escolaridade SubConj}}A}+0,84X_{\mathit{\text{Escolaridade SubConj B}}}+0,25X_{\mathit{\text{Degree Apoio}}}\\ & -3,72X_{\mathit{\text{Eigenvecto Apoio}}}-0,34X_{\mathit{\text{sexo}}}\end{array}$$

Na rede de apoio, a degree centrality (B = 0,25; t(6) = 2,35; p < 0,020) prediz o aumento dos afetos negativos. A degree centrality é a soma da quantidade de atores que o colaborador citou com a quantidade de vezes que o colaborador foi citado. Já a centralidade de eigenvector (B =−3,72; t(6) =−1,94; p < 0,054), que informa o quanto os vizinhos do colaborador são centrais, é capaz de sinalizar a diminuição dos afetos negativos.

Na rede de informação, a métrica que integra o modelo é a modularity class (B =−0,03; t(6) =−1,79; p < 0,001), sendo esta potencialmente capaz de sinalizar a redução dos afetos negativos. A modularity class informa a quantidade de subgrupos coesos de que o colaborador participa. Nesse sentido, o dado indica que a presença em mais de um subgrupo coeso pode auxiliar na redução dos afetos negativos.

Figura 3.3.1
MODELO FINAL PARA A DIMENSÃO AFETOS NEGATIVOS

Termo-modelo	Coeficiente	Erro padrão	t	Sig.	95% de intervalo de confiança		Importância
					Inferior	Superior
Escolaridade - subconjunto A	0,481	0,183	2,628	0,01	0,119	0,843	0,51
Escolaridade - subconjunto B	0,843	0,207	4,063	0	0,433	1,253	0,51
Degree - apoio	0,253	0,107	2,35	0,02	0,04	0,465	0,167
Eigenvector - apoio	-3,718	1,917	-1,939	0,054	-7,508	0,071	0,114
Sexo	-0,341	0,176	-1,936	0,055	-0,69	0,007	0,113
Modularity class informação	-0,032	0,018	-1,788	0,076	-0,068	0,003	0,097

Fonte:

Este trabalho teve como objetivo geral explorar associações entre as posições dos colaboradores nas diferentes redes sociais pesquisadas e o bem-estar no trabalho. Para atingir esse objetivo, identificamos três modelos preditivos para cada uma das dimensões de bem-estar. Nesses modelos, testamos o poder preditor dos laços de informação, apoio e confiança e suas respectivas métricas baseadas na posição dos atores em cada rede mapeada.

Dentre as três dimensões de bem-estar pesquisadas (realização profissional, afetos positivos e afetos negativos), a posição dos atores nas redes pesquisadas foi mais capaz de predizer a realização profissional. As redes formadas em função da busca de apoio e de informações diante dos processos de mudança foram capazes de influenciar os escores de bem-estar nas três dimensões pesquisadas. As métricas que revelam a quantidade de vezes que o colaborador é indicado e indica outros colegas, a proximidade que o colaborador tem de vizinhos muito citados, o grau de participação em subgrupos coesos e o grau em que assume posição central nos subgrupos aos quais pertence são indicadores das posições dos atores capazes de predizer bem-estar.

4

DISCUSSÃO

A comparação entre os modelos preditores para cada fator de bem-estar indica que as variáveis de redes sociais analisadas têm um maior potencial preditivo em relação ao fator de realização. O fato de o conteúdo dos itens de realização (diferentemente dos de afetos negativos e positivos) estar declaradamente associado ao contexto da atividade do trabalho (as empresas) pode ter contribuído para esse resultado. Além disso, as perguntas geradoras das redes sociais de informação, apoio e confiança se referiram diretamente aos colegas de trabalho.

A natureza do laço implicou resultados de predição distintos, assim como no estudo de Luria e Kalish (2013). As posições assumidas pelos atores nas redes de informação e apoio foram preditoras de bem-estar nos três modelos gerados para as dimensões de realização, afetos positivos e afetos negativos. Havia uma expectativa de que os três tipos de laço estivessem presentes nos modelos preditivos, mas principalmente o laço relativo à confiança. Para gerar essa rede, solicitamos aos participantes do estudo a indicação de colegas para os quais podiam dizer o que pensavam sobre os processos de mudança. Era esperado que esse laço fosse um importante preditor de bem-estar por representar conexões permeadas por relações de confiança, supostamente laços mais fortes e provedores de suporte social. Ao mesmo tempo, podemos pensar que esse é um laço menos tangível e mais influenciado pelo julgamento da natureza das interações entre pares do que pela maneira como se expressam no cotidiano do trabalho. Já nas redes de apoio e informação, as trocas são mais tangíveis, no sentido de que podem ser reveladas por meio dos processos de comunicação verbal e dos comportamentos cotidianos de suporte no contexto do trabalho. Isso nos faz refletir que, em contextos de mudança, a necessidade de ter acesso rápido e eficaz à informação, assim como ter acesso a colegas para auxiliar na adoção de novos comportamentos, promove mais bem-estar quando comparada à possibilidade de encontrar alguém para dizer o que pensa.

Quanto às posições assumidas nas redes, chama a atenção a predição negativa de afetos positivos para atores com alto grau de bridging centrality na rede de informação. Essa posição implica estabelecer conexões críticas na rede. Em contextos de mudança, estabelecer pontes entre diferentes subgrupos e ser responsável pela não fragmentação desses subgrupos está relacionado à diminuição dos afetos positivos. Esse achado aponta para uma provável sobrecarga do colaborador na rede por estar intermediando prováveis disputas políticas entre grupos favoráveis e desfavoráveis à mudança na organização, como alertam Pichault e Schoenaers (2003). A posição de ponte, nesse caso, coloca o colaborador numa posição de manejo e contenção de expectativas e incertezas, o que, para Franco et al. (2016), é um possível fator de redução do bem-estar do trabalhador. Além disso, posições como essa também repercutem em maior poder de decisão, elemento associado ao aumento dos níveis de estresse (Marchand et al., 2005). Seria importante avaliar em estudos futuros se esses atores-ponte possuem cargo de liderança, pois, caso não possuam, a percepção de falta de recompensas (Soltis et al., 2013) por seus esforços pode contribuir para a redução dos afetos positivos.

Os fenômenos relativos aos processos grupais e intergrupais parecem ter relevância na promoção de bem-estar em situações de mudança organizacional. O poder preditivo da posição authority para bem-estar afetivo e de realização indica que atores centrais em subgrupos locais têm maior chances de experimentar bem-estar no trabalho. Isso pode estar relacionado ao aumento de importância do papel desses atores como influenciadores locais, que passam a ser legitimados pelo subgrupo e a exercer maior influência no cotidiano de trabalho.

Ser integrante de subgrupos com alto grau de coesão, posição indicada pelo clustering coefficient, prediz o aumento do fator realização na rede de informação. Subgrupos coesos são formados por um conjunto de atores com alta proximidade por meio de laços mútuos. Tal configuração tem como consequência rápido acesso à informação disponível no subgrupo, homogeneidade de crenças e baixa possibilidade de sofrer influência do entorno (Freeman, 2011). A promoção do fator realização no trabalho pode estar relacionada à disponibilidade de informação relativa aos processos de mudança.

Em contradição, o mesmo coeficiente na rede de apoio integrou o modelo preditivo sinalizando diminuição do fator realização. Subgrupos coesos também têm a desvantagem de prover pouco ou nenhum acesso a membros de subgrupos externos. Isso pode representar fluxo redundante de recursos, que se torna prejudicial diante da necessidade de aprender e compreender novos processos de trabalho. Além disso, essa contradição pode representar a pouca especificidade semântica da consigna que gerou a rede de apoio: “Indique colegas de trabalho que o apoiaram nos processos de mudança”. As muitas possibilidades de interpretação de apoio podem ter sido responsáveis por esse resultado.

Ainda no campo das reflexões sobre o papel dos subgrupos na promoção do bem-estar, a medida modularity class da rede de informação integrou o modelo explicativo de afetos negativos sinalizando a diminuição destes. A modularidade, compreendida no nível do ator, é uma medida que indica a proporção em que cada ator estabelece laços intragrupais em comparação com ligações com membros de grupos externos. O resultado indica que quanto mais o ator estabelece relações intragrupais, menor é a proporção de afetos negativos.

5

CONCLUSÕES

As posições dos trabalhadores nas redes de informação e apoio integraram os modelos preditivos dos três fatores componentes do bem-estar no trabalho: realização, afetos positivos e afetos negativos. O tipo de laço mapea­do implicou diferentes panoramas e poder de predição das métricas de ARS.

A diminuição do bem-estar no trabalho esteve associada à assunção da posição de conector central na rede de informação (bridging centrality) e na rede de apoio (degree centrality). A promoção de bem-estar no trabalho esteve associada ao grau de participação e influência em subgrupos coesos na rede de informação. Além disso, o aumento de bem-estar no trabalho também esteve associado à proximidade de atores centrais (eigenvector centrality). Essa associação pode ter como explicação o acesso a informações funcionais e consistentes que facilitam a adaptação às mudanças organizacionais, sem a sobrecarga de responsabilidade que recai sobre os conectores centrais.

O potencial preditor de medidas relativas a subgrupos como modula­ridade e clustering coefficient chama a atenção para a importância dos processos intra e intergrupais na promoção ou diminuição do bem-estar em processos de mudança nas organizações. O grupo pode representar espaço de conforto pela homogeneidade de crenças e pelo rápido acesso a informações, mas também pode implicar escassez de possibilidades diante da redundância dos recursos disponíveis e da resistência ao entorno. Essa resistência promovida pela predominância de laços recíprocos e endógenos nos subgrupos pode ser um entrave na adoção de mudanças organizacionais (Battilana & Casciaro, 2013).

Estudos futuros podem avaliar o papel das características macro e mesoestruturais da rede, como tamanho, densidade, centralização geral e configuração dos subgrupos na promoção do bem-estar no trabalho. Além disso, o uso de redes valoradas pode ampliar a variabilidade dos escores e permitir maior refinamento dos modelos preditores. A implementação de programas de pesquisa que considerem tais características poderia ainda avançar utilizando modelos multiníveis, que levem em conta, como no presente exemplo, a dinâmica desses fenômenos em diferentes níveis. Com base em tais aspectos, é relevante também destacar os limites relacionados à generalização dos resultados, sendo pertinente replicar tal modelo em outros contextos.

REFERENCES

• Ajilore, O. (2015). Identifying peer effects using spatial analysis: The role of peers on risky sexual behavior. Review of Economics of the Household, 13(3), 635–652. doi:10.1007/s11150-013-9235-4
  » https://doi.org/10.1007/s11150-013-9235-4
• Barrington, C., Latkin, C., Sweat, M. D., Moreno, L., Ellen, J., Kerrigan, D. (2009). Talking the talk, walking the walk: Social network norms, communication patterns, and condom use among the male partners of female sex workers in La Romana, Dominican Republic. Social Science & Medicine, 68(11), 2037–2044. doi:10.1016/j.socscimed.2009.03.009
  » https://doi.org/10.1016/j.socscimed.2009.03.009
• Bastian, M., Heymann, S., & Jacomy, M. (2009). Gephi: An open source software for exploring and manipulating networks. Third International AAAI Conference on Weblogs and Social Media, San Jose, CA, USA.
• Battilana, J., & Casciaro, T. (2013). Overcoming resistance to organizational change: Strong ties and affective cooptation. Management Science, 59(4), 819–836.
• Borgatti, S. P., Everett, M. G., & Johnson, J. C. (2013). Analyzing social networks Thousand Oaks, CA: Sage.
• Borgatti, S. P., & Halgin, D. S. (2011). Analyzing affiliation networks. In P. J. Carrington & J. Scott (Eds.), The Sage handbook of social network analysis (pp. 417–433). Thousand Oaks, CA: Sage.
• Borgatti, S. P., & Lopez-Kidwell, V. (2011). Network theory. In P. J. Carrington & J. Scott (Eds.), The Sage handbook of social network analysis (pp. 40–51). Los Angeles: Sage.
• Borgatti, S. P., Mehra, A., Brass, D. J., & Labianca, G. (2009). Network analysis in the social sciences. Science, 323(5916), 892–895.
• Brands, R. A. (2013). Cognitive social structures in social network research: A review. Journal of Organizational Behavior, 34, S82–S103. doi:10.1002/job.1890
  » https://doi.org/10.1002/job.1890
• Burt, R. S. & Merluzzi, J. (2014). Embedded brokerage: Hubs versus locals. In D. J. Brass, G. Labianca, A. Mehra, D. S. Halgin, & S. P. Borgatti (Eds.), Contemporary perspectives on organizational social networks (pp. 161–177). Bingley, UK: Emerald Group Publishing.
• Choi, M. (2011). Employees’ attitudes toward organizational change: A literature review. Human Resource Management, 50(4), 479–500.
• Conde, R. de N. C., & Farias, M. C., Filho (2016). Informal relations influenced by formal structure: A social network analysis managers. Revista de Ciências da Administração, 18(46), 68–81.
• Cross, R. L., Singer, J., Colella, S., Thomas, R. J., & Silverstone, Y. (2010). The organizational network fieldbook: Best practices, techniques and exercises to drive organizational innovation and performance New York: John Wiley & Sons.
• Cross, R., Kaše, R., Kilduff, M., & King, Z. (2013). Bridging the gap between research and practice in organizational network analysis: A conversation between Rob Cross and Martin Kilduff. Human Resources Management, 52, 627–644.
• Dabos, G. E., & Rousseau, D. M. (2013). Psychological contracts and informal networks in organizations: The effects of social status and local ties. Human Resource Management, 52(4), 485–510.
• De, P., Cox, J., Boivin, J. F., Platt, R. W., & Jolly, A. M. (2007). The importance of social networks in their association to drug equipment sharing among injection drug users: A review. Addiction, 102(11), 1730–1739. doi:10.1111/j.1360- 0443.2007.01936.x
  » https://doi.org/10.1111/j.1360-0443.2007.01936.x
• Demo, G., & Paschoal, T. (2016). Well-Being at Work Scale: Exploratory and confirmatory validation in the USA. Paidéia, 26(63), 35–43.
• Dokko, G., Kane, A., & Tortoriello, M. (2014). One of us or one of my friends: How social identity and tie strength shape the creative genera­tivity of boundary-spanning ties. Organization Studies, 35(5), 703–726.
• Everett, M. G., & Valente, T. W. (2016). Bridging, brokerage and betweenness. Social Networks, 44, 202–208.
• Franco, K. S., Neiva, E. R., Nery, V. D. F., & Demo, G. (2016). The relationship between context, attitudes and well-being in organizational change. Psicologia: Teoria e Pesquisa, 32(Special Issue), 1–10.
• Freeman, L. C. (2011). The development of social network analysis: With an emphasis on recent events. In P. J. Carrington & J. Scott (Eds.), The Sage handbook of social network analysis (pp. 40–54). London: Sage.
• Fuller, J., Kelly, B., Sartore, G., Fragar, L., Tonna, A., Pollard, G., & Hazell, T. (2007). Use of social network analysis to describe service links for farmers’ mental health. The Australian Journal of Rural Health, 15, 99–106. doi:10.11 11/j.1440-1584.2007.00861.x
  » https://doi.org/10.1111/j.1440-1584.2007.00861.x
• Gubbins, C., & Dooley, L. (2014). Exploring social network dynamics driving knowledge management for innovation. Journal of Management Inquiry, 23(2), 162–185.
• Hanneman, R. A., & Riddle, M. (2011). Concepts and measures for basic network analysis. In P. J. Carrington & J. Scott (Eds.), The Sage handbook of social network analysis (pp. 340–369). London: Sage.
• Jian, G. (2011). Articulating circumstance, identity and practice: Toward a discursive framework of organizational changing. Organization, 18(1), 45–64. doi:10.1177/1350508410373672
  » https://doi.org/10.1177/1350508410373672
• Katona, Z., Zubcsek, P. P., & Sarvary, M. (2011). Network effects and personal influences: The diffusion of an online social network. Journal of Marketing Research, 48(3), 425–443.
• Kehoe, R. R., & Wright P. M. (2013). The impact of high performance human resource practices on employees’ attitudes and behaviors. Journal of Management, 39, 366–391.
• Khatoon, S., & Farooq, A. (2014). Employees’ attitude toward change and organizational performance. Prestige International Journal of Management and Research, 7(2–1), 347–353.
• Labianca, G., & Brass, D. J. (2006). Exploring the social ledger: Negative relationships and negative asymmetry in social networks in organizations. The Academy of Management Review, 31(3), 596–614. doi:10.5465/AMR. 2006.21318920
  » https://doi.org/10.5465/AMR.2006.21318920
• Lü, L., Chen, D., Ren, X. L., Zhang, Q. M., Zhang, Y. C., & Zhou, T. (2016). Vital nodes identification in complex networks. Physics Reports, 650, 1–63.
• Luria, G., & Kalish, Y. (2013). A social network approach to peer assessment: Improving predictive validity. Human Resource Management, 52(4), 537–560.
• Lysova, E., Richardson, J., Khapova, S., & Jansen, P. (2015). Change-supportive employee behavior: A career identity explanation. Career Development International, 20(1), 38–62.
• Macambira, M. O., Bastos, A. V. B., & Rossoni, L. (2015). Redes sociais e o vínculo com a organização: Como a estrutura das relações explica o comprometimento, o entrincheiramento e o consentimento. Revista Psicologia: Organizações e Trabalho, 15(2), 109–122.
• Maciel, C. O., & Chaves, C. E. L.(2017). Informational status in intra-organizational networks: The role of knowledge sharing and structural holes. Revista de Administração, 52(2), 189–198.
• Marchand, A., Demers, A., & Durand, P. (2005). Do occupation and work conditions really matter? A longitudinal analysis of psychological distress experiences among Canadian workers. Sociology of Health and Illness, 27(5), 602–627. doi:10.1111/j.1467-9566.2005.00458.x
  » https://doi.org/10.1111/j.1467-9566.2005.00458.x
• Mulawa, M., Yamanis, T. J., Hill, L. M., Balvanz, P., Kajula, L. J., & Maman, S. (2016). Evidence of social network influence on multiple HIV risk behaviors and normative beliefs among young Tanzanian men. Social Science & Medicine, 153, 35–43. doi:10.1016/j.socscimed.2016.02.002
  » https://doi.org/10.1016/j.socscimed.2016.02.002
• Neiva, E. R., & Paz, M. T. (2012). Percepção de mudança individual e organizacional: O papel das atitudes, dos valores, do poder e da capacidade organizacional. Revista de Administração, 47(1), 22–37. doi:10.5700/rausp1023
  » https://doi.org/10.5700/rausp1023
• Newman, M. E. (2006). Modularity and community structure in networks. Proceedings of the National Academy of Sciences, 103(23), 8577–8582.
• Paschoal, T., & Tamayo, A. (2008). Construção e validação da Escala de Bem-Estar no Trabalho. Avaliação Psicológica, 7(1), 11–22.
• Pichault, F., & Schoenaers, F. (2003). HRM practices in a process of organizational change: A contextualist perspective. Applied Psychology, 52(1), 120–143.
• Ribeiro, E., Macambira, M., & Neiva, E. R. (2017). Social network analysis in organizations as a management support tool. In E. R. Neiva, C. V. Torres, & H. Mendonça (Eds.), Organizational psychology and evidence-based management (pp. 243–265). Cham: Springer.
• Schreyögg, G., & Sydow, J. (2011). Organizational path dependence: A process view. Organization Studies, 32(3), 321–335.
• Soltis, S. M., Agneessens, F., Sasovova, A., & Labianca, G. (2013). A social network perspective on turnover intentions: The role of distributive justice and social support. Human Resources Management, 52(4), 561–584.
• Tabachnick, B. G., & Fidell, L. S. (2013). Using multivariate statistics (6th ed.). Boston: Pearson.
• Teixeira, J. E. N. F., & Verhine, R. E. (2014). Mudança organizacional em sistemas educacionais: Uma compreensão à luz da análise de redes sociais. Educação, 37(1), 81–91.
• Tenkasi, R., & Chesmore, M. C. (2003). Social networks and planned organizational change: The impact of strong ties on effective change implementation and use. The Journal of Applied Behavioral Science, 39(3), 281–300.
• Vassilev, I., Rogers, A., Blickem, C., Brooks, H., Kapadia, D., … & Reeves, D. (2013). Social networks, the “work” and work force of chronic illness self-management: A survey analysis of personal communities. PLoS ONE, 8(4), e59723. doi:10.1371/journal.pone.0059723
  » https://doi.org/10.1371/journal.pone.0059723
• Wang, X. (2016). Subjective well-being associated with size of social network and social support of elderly. Journal of Health Psychology, 21(6), 1037–1042.
• Wichmann, B. K., Carter, C. R., & Kaufmann, L. (2015). How to become central in an informal social network: An investigation of the antecedents to network centrality in an environmental SCM initiative. Journal of Business Logistics, 36(1), 102–119. doi:10.1111/jbl.12079
  » https://doi.org/10.1111/jbl.12079
• Wong, S., & Boh, W. F. (2014). The contingent effects of social network sparseness and centrality on managerial innovativeness. Journal of Management Studies, 51(7), 1180–1203. doi:10.1111/joms.12086
  » https://doi.org/10.1111/joms.12086
• Woodman, R. W. (2014). The science of organizational change and the art of changing organizations. Journal of Applied Behavioral Science, 50, 463–477.
• Yamanis, T. J., Fisher, J. C., Moody, J. W., & Kajula, L. J. (2015). Young men’s social network characteristics and associations with sexual partnership concurrency in Tanzania. AIDS and Behavior, 20, 1244–1255. doi:10.1007/s10461-015-1152-5
  » https://doi.org/10.1007/s10461-015-1152-5

Datas de Publicação

• Publicação nesta coleção
  01 Out 2021
• Data do Fascículo
  2022

Histórico

• Recebido
  15 Jun 2019
• Aceito
  11 Set 2019