Переосмысление звездности: релятивистский подход к изучению лучших из лучших

Звездные сотрудники — люди, вносящие исключительно значимый вклад в работу своих организаций, — все чаще привлекают внимание как исследователей, так и практиков. Однако в исследованиях этих «супер-исполнителей» часто используются разрозненные определения, теоретические основы, допущения, а также методы и виды анализа. Это создает значительное напряжение и путаницу при сравнении результатов и формировании четкого понимания того, что на самом деле представляет собой «звездная» результативность и как она влияет на отдельных лиц, команды и организации. Данный обзор призван прояснить эти вопросы, представляя структуру для идентификации звезд на основе четырех ключевых факторов: тип результативности, группа сравнения, продолжительность наблюдения и порог звездности. Мы обобщаем текущие исследования о появлении звезд, их продуктивности во времени и эффекте распространения (спилловере) на «не-звезд». Мы также рассматриваем уникальные проблемы изучения звезд — такие как их редкость и асимметричный характер их результативности — и предлагаем рекомендации по дизайну исследований и аналитическим инструментам, которые могут более эффективно фиксировать эту динамику. В заключение мы представляем дорожную карту для будущих исследований, направленных на развитие более последовательного и полезного понимания звездных сотрудников.

«Самое замечательное открытие во всей астрономии заключается в том, что звезды состоят из атомов того же рода, что и те, что есть на Земле» (Фейнман и др., 1963, с. 3–6).

Звезды очаровывали человечество на протяжении веков. Моряки использовали их в качестве ориентиров и путеводителей, а суеверные люди видели в них предзнаменования будущего. В наше время исключительных сотрудников иногда называют «звездами»; организации и работники могут считать их ценными активами и образцами для подражания. Эти организационные звезды состоят из того же «базового материала», что и их коллеги, но каким-то образом эксклюзивное сочетание знаний, навыков, специфического контекста, положения в сети контактов и множества других факторов порождает исключительный уровень продуктивности.

Изучение этих загадочных супер-исполнителей значительно расширилось. Однако, как и в любой бурно развивающейся области исследований, первоначальный рост отмечен широким спектром определений, теорий, аналитических подходов, лежащих в основе допущений исследователей, а также норм конкретных областей. Учитывая это разнообразие мнений, любые амбициозные цели по созданию единого метатеоретического решения о том, как лучше всего выявлять, отбирать, управлять и удерживать звезд, пока преждевременны.

Таким образом, цели нашего текущего обзора состоят в том, чтобы интегрировать извечные и наиболее актуальные вопросы исследований, систематизировать зарождающиеся и часто разрозненные ответы на эти вопросы и, вместо того чтобы давать готовые решения, предложить контекст и условия, необходимые для поиска этих ответов. Мы рассматриваем вопросы, связанные со звездной результативностью, примерно в порядке их частоты и широты — то есть того, как часто задавался вопрос и насколько убедительно на него был дан ответ.

Как и в большинстве (если не во всех) прошлых обзоров звездных работников, мы начинаем с обсуждения существования и присутствия звезд, а также рассматриваем бесчисленное множество определений и критериев звездного статуса. В основном мы фокусируемся на противоречии между узкоспециализированными определениями и порогами, которые позволяют проводить нюансированную и точную идентификацию звезд в данном контексте, и более широкими определениями, которые содержат некоторую двусмысленность в идентификации звезд, но могут повысить обобщаемость выводов для различных контекстов. Мы предполагаем, что дилемма «общность — специфичность» основана на ложной дихотомии и что как широкие, так и нюансированные операционализации звезд продвигают литературу вперед, если они должным образом контекстуализированы.

Соответственно, мы предлагаем систематизирующую структуру, в которой статус звезды — изначально относительная позиция внутри популяции — привязан к конкретной когорте, временным рамкам, метрике производства и порогу звездности (т. е. тому, что отличает звезду от просто «очень хорошего» работника). Мы надеемся, что эта контекстно-зависимая стратегия послужит как средством помощи в теоретизировании и проведении будущих исследований звезд, так и способом примирения разрозненных и противоречивых выводов в существующей литературе, что позволит получить практическую информацию для привлечения, отбора и удержания звездных сотрудников.

Далее мы рассматриваем антецеденты и результаты звездности, а также то, как звезды транслируют свою энергию и влияние на «не-звезд» и на более высокие уровни анализа. Несмотря на сохраняющиеся споры относительно конкретной формы распределения результатов деятельности, растет консенсус в отношении того, что небольшой процент работников доминирует в производстве и вознаграждениях во многих профессиях, организациях и отраслях. Таким образом, практики и ученые все чаще ищут качества тех, кто достигает статуса звезды, их индивидуальную окупаемость инвестиций, а также особенности среды, которые усиливают или притупляют их доминирование.

Также растет осведомленность и значительный научный и практический интерес к эффектам звездности за пределами индивидуальной продуктивности. Например, позволяет ли работа со звездой «не-звезде» изучать стратегии и модели поведения, способствующие их собственному развитию и успеху, и извлекать выгоду из репутационных спилловер-эффектов? Или же «гравитация» звезды настолько велика с точки зрения ее требований к организационным ресурсам и значимости, что близость к ней ставит под угрозу развитие и результативность «не-звезд»? Мы рассматриваем прямые и косвенные эффекты звездных сотрудников на их коллег и организации, а также анализируем уникальные возможности для исследования влияния звезд на окружающих.

Однако для лучшего понимания специфических и уникальных предпосылок и результатов деятельности звездных сотрудников исследования должны быть ориентированы именно на звезд. Поэтому мы ограничиваем наш обзор примерами, которые, по нашему мнению: а) основаны на теоретических положениях и гипотезах, специфичных для звезд; б) используют методологии, учитывающие нюансы и особенности работы с популяцией с низкой базовой частотой (low-base-rate), зависящей от контекста; в) используют соответствующие статистические данные и аналитические инструменты для построения надежных выводов.

Теоретические структуры, дающие общие направленные прогнозы, в равной степени применимые к средним работникам и предполагаемым звездам, мало способствуют продвижению понимания. Точно так же мы исключаем или снабжаем оговорками кросс-секционные полевые исследования, опирающиеся на произвольные или тавтологические пороги, а также лабораторные эксперименты с ограниченным риском внешней валидности, которые больше скрывают, чем раскрывают в отношении черт, поведения и контекстов, лежащих в основе появления звезд, их влияния и вознаграждения. Сильные утверждения, построенные на слабых ассоциативных доказательствах, могут ввести в заблуждение как ученых, так и практиков.

Вооружившись рабочим пониманием звездности и того, что создает (и что не создает) звезду, мы завершаем работу программой исследований, рассматривающей теоретические, методологические и статистические аспекты, уникальные для изучения звезд. Сосредоточившись на специфических для звезд исследованиях, мы выявляем особые концептуальные и аналитические проблемы, возникающие при изучении этого крайне значимого, но редкого явления. Мы призываем к переходу к фальсифицируемой, ориентированной на звезд теории; дизайнам исследований, настроенным на структурные и временные свойства звездности; и статистическим подходам, которые учитывают редкость, асимметрию и часто вложенную (nested) природу данных о звездах.

Опираясь на недавние эмпирические примеры из творческой, академической, спортивной и корпоративной сфер, мы выделяем критически важные проектные решения — такие как выбор когорт для сравнения, установление соответствующих временных рамок и отделение результативности от статуса. Вместо того чтобы предписывать единственное решение, этот заключительный раздел предлагает дорожную карту для проведения исследований звезд, которые были бы более строгими, чувствительными к контексту и кумулятивными.

Метод обзора литературы

Для подготовки нашего обзора мы провели поиск литературы с января по март 2025 года, используя следующие базы данных: Google Scholar, Web of Science и ProQuest. Мы использовали поисковую строку: «(star OR extraordinary OR high OR top OR best) AND (performer OR employee OR worker OR talent OR potential) AND (work OR organization OR industry) NOT (system)» и корректировали ее по мере необходимости для каждой базы данных, чтобы найти релевантные исследования. Там, где это было возможно, применялись стемминг и лемматизация для обеспечения полноты охвата. Мы включали только работы (т. е. эмпирические статьи, концептуальные работы...)...

Этот заключительный раздел не предлагает единственного решения, а предлагает дорожную карту для проведения исследований «звезд», которые были бы более строгими, чувствительными к контексту и кумулятивными.

Для подготовки нашего обзора мы провели поиск литературы с января по март 2025 года, используя следующие базы данных: Google Scholar, Web of Science и ProQuest. Мы использовали поисковую строку: «(star OR extraordinary OR high OR top OR best) AND (performer OR employee OR worker OR talent OR potential) AND (work OR organization OR industry) NOT (system)» и корректировали ее по мере необходимости для каждой базы данных, чтобы найти релевантные исследования. Там, где это было возможно, применялись стемминг и лемматизация для обеспечения полноты охвата. Мы включали только работы (т. е. эмпирические статьи, концептуальные работы, синтезы исследований и «серую» литературу), написанные на английском языке и относящиеся к социальным наукам (например, к психологии). В результате скрининга было отобрано 57 первичных исследований, 11 обзоров, 1 книга и 5 глав в книгах. Этот список был дополнен ручным поиском литературы, включая прямое и обратное отслеживание цитирований уже включенных работ (см. также Gusenbauer 2024, Haddaway et al. 2022, O’Boyle et al. 2023).

Что такое «звезда»?

Самый центральный вопрос, который предшествует любому обсуждению появления «звезд», их формирования или побочных эффектов, звучит так: «Что именно представляет собой "звезда"?» Этот вопрос, несмотря на его значимость и постоянное внимание исследователей, является свидетельством того, насколько сложной задачей является определение звездного статуса объективным способом, свободным от искажений и недостатков. Подобно определениям «лидера», «высокопотенциального сотрудника» (high-potential) или «предпринимателя», неточные формулировки и операционализации затрудняют накопление знаний (например, Anvari et al. 2024, Bormann & Rowold 2018, Cucina & McDaniel 2016). Однако, в отличие от определений других ролей и функций, понятие звездного статуса более изменчиво. Например, предприниматель может быть определен множеством способов — от ребенка, открывающего ларек с лимонадом, до основателя компании, успешно проведшего первичное публичное предложение (IPO), но независимо от определения, как только он соответствует критериям, он становится предпринимателем в абсолютном смысле.

Классификация «звезд» лишена такой роскоши, потому что это относительная позиция: «звезда» в одном контексте может оказаться посредственным или даже слабым работником в другом. Учитывая относительность статуса «звезды», то немногое общее понимание или, по крайней мере, согласие относительно операционализации этого понятия часто носит широкий и общий характер. В целом, «звезды» существенно превосходят своих коллег по производительности. В целом, «звезды» получают наибольшую долю вознаграждений, престижа и социального капитала. В целом, считается, что «звезды» обладают определенными качествами, которые являются редкими и ценными для организации и/или рынка труда (например, Joo et al. 2022, Kim & Makadok 2022, Morris et al. 2021a).

Однако за пределами этих общих положений существуют резкие расхождения и туманные совпадения в определениях и операционализациях «звезд». Многочисленные обзоры пытались систематизировать эти определения в единую структуру. Одним из таких заметных обзоров является работа Kehoe et al. (2023), в которой авторы кратко и эффективно разделили эти разнообразные определения на три широкие категории: (a) «звезды» производительности (output stars), (b) «звезды» результата (outcome stars) и (c) «звезды» профиля (profile stars). Мы видим мало возможностей для улучшения их классификации этой литературы. Тем не менее определение «звезды» зависит от сравнительного анализа; поэтому, помимо обзора классификаций Kehoe et al. (2023), мы включаем структуру того, как исследователи могут использовать эти определения для выстраивания необходимого контекста, позволяющего получать кумулятивные знания и практически применимые рекомендации.

Категория 1: «Звезды» производительности

Первая и наиболее часто используемая категория определений — это «звезды» производительности (output stars). Здесь статус «звезды» определяется одним и только одним фактором: исключительной результативностью выполнения задач (т. е. объемом произведенного продукта). Такая операционализация звездного статуса проста и интуитивно понятна. Действительно, Kehoe et al. (2023) вполне обоснованно назвали это одной из самых устойчивых и полезных концептуализаций. Производительность является аспектом любой работы и карьеры, поэтому этот единственный критерий применим ко всем работникам и практически ко всем теориям труда (например, Austin & Villanova 1992, Bennett et al. 2006, Sackett et al. 1988).

Для прикладной дисциплины, задачей которой является выработка обоснованных и своевременных рекомендаций для практиков, степень, в которой результаты эмпирического исследования «звезд» в одном контексте могут быть обобщены на другие контексты, напрямую отражает их ценность и научный вклад. Например, эмпирическое исследование профессиональных спортсменов (например, Barlow et al. 2023, Chen & Garg 2018), результаты которого применимы только к другим спортсменам-«звездам», будет рассматриваться областью как меньший вклад, чем исследование, результаты которого обобщаются на более широкий круг работников-«звезд», при прочих равных условиях.

Одиночные показатели производительности часто имеют дополнительное преимущество: они могут быть операционализированы как наблюдаемые количественные показатели, которые воспринимаются как менее подверженные субъективности и предвзятости оценщика. Например, O’Boyle и Aguinis (2012) определили:

• (a) ученых-«звезд» на основе количества публикаций в ведущих изданиях за 10-летний период;
• (b) «звезд» шоу-бизнеса по общему количеству номинаций на престижные награды за всю карьеру;
• (c) политиков-«звезд» по количеству переизбраний на должность;
• (d) «звезд» спорта по различным индивидуальным показателям (например, очки, забеги и голы).

Это разумные операционализации результативности задач или «звезды» производительности, поскольку трудно представить, например, успешного академического исследователя (не говоря уже о «звезде»), который не публикуется в ведущих изданиях своей области. Точно так же могут быть различия между любимцами публики и фаворитами критиков, но трудно найти «звезду» эстрады или спорта, не имеющую никаких профессиональных наград. И хотя было бы слишком цинично предполагать, что политик видит своей единственной целью переизбрание, тем не менее трудно представить успешного политика, который постоянно проигрывает выборы.

Очевидно, что не просто высокая, а чрезвычайно высокая результативность задач — это качество, которым обладают все «звезды», обладали в прошлом или предположительно могут обладать в будущем. Тем не менее, несмотря на привлекательность и очевидную обоснованность определения «звезд» исключительно на основе аномальных уровней производительности, существуют две серьезные проблемы.

Во-первых, определения «звезд» только по объему производительности часто используются в моделях, где итоговым показателем или критерием является та же самая производительность или тесно связанный с ней прокси-показатель. То, что «звезды» превосходят «не-звезд» и что именно это качество делает их «звездами», интуитивно понятно до степени тавтологии, так как это могло бы определить любую подгруппу работников [например, сантехники лучше справляются с сантехникой, чем не-сантехники, и именно это делает их сантехниками (Asgari et al. 2021)].

Однако более серьезная проблема заключается в том, что определение и идентификация «звезд» только на основе их производительности в моделях, где результатом также является производительность, равносильно отбору по зависимой переменной. Такой подход открывает дверь для значительного смещения выборки и проблем эндогенности (например, Antonakis et al. 2010, Clougherty et al. 2016, Hill et al. 2021), а также для опасений, возникающих при моделировании производительности «звезд» как относительной переменной (Wiseman 2009).

Рассмотрим исследователя, который полагает, что «звезды» появляются благодаря их готовности идти на риск. Используя данные опроса или архивный набор данных, он идентифицирует группу «звезд» производительности внутри организации и обнаруживает, что они в среднем значительно более склонны к риску, чем «не-звезды». Это никоим образом не может трактоваться так, что звездный статус вызван риском или даже содержательно связан с ним. Возможно, высокая толерантность к риску — это то, что необходимо «звездам», чтобы озвучивать свои гениальные идеи или иным образом демонстрировать свою исключительность окружающим. А возможно, рискованные люди просто имеют большую вариативность в результатах работы, и большинство работников, которые идут на значительный и ненужный риск, терпят неудачу. Однако в редких случаях рискованная ставка окупается.

Кроме того, может существовать какая-то другая переменная, связанная с риском (фактический причинно-следственный фактор), в то время как риск является лишь побочным признаком. Или же — к этому моменту мы еще вернемся при обсуждении временного фактора — возможно, настоящими «звездами» являются те, кто постоянно работает чуть ниже уровня так называемых «падающих звезд», которые достигают чрезмерной производительности лишь в течение короткого окна. В конечном счете, нет ничего предосудительного в выборе единого релевантного показателя производительности и классификации тех, кто находится на вершине, как «звезд». Однако проблемы начинаются тогда, когда вводятся другие переменные для построения прогностической или объяснительной модели производительности «звезды».

Во-вторых, узко определенная производительность создает проблемы с обобщаемостью и переносимостью результатов (например, Borman & Motowidlo 1997, Murphy & Cleveland 1995, Shadish et al. 2002). Мало какую работу (или, точнее, никакую) нельзя сводить к единому объективному показателю (см. также Goodhart 1984, Muller 2018, Ramani et al. 2022). Разработчики программного обеспечения делают больше, чем просто пишут код, шеф-повара делают больше, чем просто готовят еду, а офицеры полиции делают больше, чем просто производят аресты. Способность эффективно донести информацию о функциях нового ПО и необходимом обучении, умение минимизировать отходы и поддерживать сплоченность коллектива на кухне, а также навык деэскалации ситуации для предотвращения арестов и поддержания порядка — все это критические аспекты данных профессий, которые опускаются, когда «звезды» определяются по единственному результату. Чем менее репрезентативен показатель производительности по отношению к работе в целом, тем меньше вероятность...

...тем меньше вероятность, что он будет точно предсказывать результаты в данном конкретном контексте и, что не менее важно, тем меньше вероятность его обобщения на другие контексты (например, Johns 2006, 2018; Ostroff 2019).

Категория 2: звезды по результатам (статусу)

Звезды вносят колоссальный вклад в производительность и, как следствие, получают огромные дивиденды в виде внешних вознаграждений, репутации и статуса. Эти результаты могут еще больше укрепить положение звезды, поскольку они обеспечивают доступ к дополнительным ресурсам и почестям. Таким образом, альтернативная стратегия идентификации звезд строится на допущении, что эффективные рынки состоят из рациональных акторов, преследующих свои собственные интересы. Если звездные исполнители создают ценности, которые являются незаменимыми или труднозамещаемыми результатами работы «не-звезд», то организации и конкуренты, действуя в собственных интересах, будут уделять значительное внимание привлечению и удержанию звезд, обеспечивая им исключительную общую компенсацию, повышенный статус и т. д.

Эта стратегия идентифицирует звезд, «следуя за деньгами». Данный подход имеет богатую историю, восходящую к теории суперзвезд Розена (1981). Розен утверждал, что определенные виды результатов плохо заменяются менее качественными результатами, и в таких случаях на экстремальных уровнях будет наблюдаться колоссальный разрыв в оплате труда. Например, лучшие нейрохирурги могут требовать значительно более высокого вознаграждения, чем просто «очень хорошие» нейрохирурги, потому что пациенты, обладающие необходимыми средствами, готовы платить премию даже за незначительные различия в таланте. Таким образом, если звезды обладают уникальным человеческим капиталом, имеющим чрезвычайную ценность, то профессии и контексты, в которых существуют звезды, будут демонстрировать крутые градиенты вознаграждения и структуру компенсации по принципу «победитель получает все». Звезды являются победителями в таких структурах и контекстах производительности; их можно идентифицировать по уровню дохода и наградам.

В некоторых отношениях операционализация звездного статуса через результаты и вознаграждения обладает большей очевидной валидностью, чем идентификация звезд по их выработке. В конце концов, те, кому поручено управление эффективностью, обладают опытом и инсайдерскими знаниями отраслевых норм, стратегий и политик фирмы, командной динамики и ролей, а также специфики работы конкретного сотрудника — всем тем, к чему внешний исследователь не будет иметь доступа. Таким образом, привлекательность операционализации «звезд по результатам» заключается в том, что она снимает необходимость пространных дискуссий о том, какие показатели производительности лучше всего разграничивают звезд и «не-звезд», и какие специальные соображения необходимы для определения, например, звездного инженера в сравнении со звездным музыкантом. Рынок уже идентифицировал звезд; следовательно, исследователям остается полагаться исключительно на их рыночную стоимость. Сторонники этого подхода указывают на то, что звездного инженера, звездного музыканта и звездного брокера объединяет — и что позволяет обобщать выводы по этим разным профессиям — тот факт, что независимо от отрасли и роли, все трое получают основную долю вознаграждений в своих областях.

Тем не менее, эта категория классификации звезд не лишена критики. В то время как определения «звезд по выработке» могут страдать от неполноты, определения «звезд по результатам/статусу» могут страдать от искажений (контаминации). Как отметили Кехо и соавторы (2018), такие определения могут смешивать полученные результаты с лежащими в их основе конструктами производительности и выработки, скрывая истинные причинно-следственные механизмы, которые на самом деле создают звезд и результаты звездного уровня. Отсутствие разграничения между продуктом деятельности (output) и итоговым вознаграждением (outcome) создает риск тавтологии в определении звезды, что препятствует развитию теории о предпосылках и процессах исключительного вклада (Kehoe et al. 2018).

Схожую обеспокоенность высказывают Биш и Кабанофф (2014), которые предостерегают, что опора исключительно на метрики вознаграждения лишает образ звезды контекстуальных и поведенческих нюансов. Это потенциально исключает людей, чье влияние проистекает из менее поддающихся количественной оценке форм вклада (например, гражданское поведение в организации, поддержка командной структуры и хранение институциональных знаний). На практике такие определения «звезд по результатам» могут привести к игнорированию и недооценке «игроков категории B», которые играют критически важную роль в стабильности и последовательности работы на уровне команды, подразделения и организации (Groysberg 2010).

Наконец, Асгари и соавторы (2021) подняли особо острую проблему, предположив, что определение звезд исключительно на основе высокозаметных результатов несет риск переплетения статусных предубеждений с системными искажениями. Например, в известном и довольно скандальном случае с системой отбора Amazon, которая с помощью процессов машинного обучения искала высокопотенциальных работников (т. е. воспринимаемых будущих звезд) по таким прогностическим критериям, как игра в лакросс в средней школе. Это оказалось не чем иным, как прокси-показателем семейного богатства и доступа к профессиональным связям, поскольку лакросс, как правило, предлагается в более обеспеченных школьных округах (Dastin 2018). Без учета таких процессов, как систематические предубеждения «свой-чужой», непотизм, кумовство и ряд других факторов [например, гендерные ролевые ожидания (Aguinis et al. 2018a, Bear et al. 2025, Rua-Gomez et al. 2023)], исследователи рискуют закрепить деструктивные и несправедливые процессы.

Категория 3: профильные звезды

Наконец, Кехо и соавторы (2018) определили «профильных звезд» как обладающих признаками, относящимися как к их выработке, так и к их результатам и статусу. Таким образом, они представляют собой смесь двух предыдущих определений, которая стремится преодолеть недостатки подходов «только по выработке» (которые могут упускать аспекты, необходимые для звездного статуса) и решить проблемы искажения, возникающие при смешивании тех, кто достиг вознаграждений и статуса благодаря результативности, с теми, кто получил их из иррелевантных, побочных источников.

Это многомерное определение дает более полную характеристику, охватывающую два фактора, которые большинство исследователей и обывателей приписывают звездам: (a) они превосходят всех по результатам и (b) все об этом знают. Требуя наличия как выработки, так и признания/статуса, эта операционализация отражает то, как ценность конструируется социально и легитимизируется, а не просто объективно производится (например, Djurdjevic et al. 2017, Neuberg et al. 2010, Ravlin & Thomas 2005). Это согласуется с социологическими теориями оценки, которые рассматривают ценность как нечто, возникающее из систем оценки, атрибуции статуса и институционального одобрения (Lamont 2012).

Рынок изобразительного искусства является отличным примером, поскольку символическая ценность здесь привязана к репутации художника, а не к объективному качеству (Velthuis 2005). В данном контексте профильные звезды отражают двойственную экономику ценности: одна основана на реальном вкладе, а другая — на нарративном фрейминге и социальном подтверждении (например, «Я владею Пикассо; следовательно, я культурный и богатый человек, заслуживающий уважения и восхищения»). Определения профильных звезд подчеркивают, как обозначение исключительного статуса взаимодействует с результатами деятельности, что создает аналитическое пространство для изучения того, как звезды генерируют дифференцированное влияние, доступ к ресурсам и социальную власть на основе синергии «заметность-результативность».

Однако бесплатного сыра не бывает. Хотя профильные звезды помогают преодолеть «анемию» определений, основанных только на выработке (за счет включения статуса), и искажения определений, основанных только на результатах (за счет включения производительности), профильный подход также несет в себе некоторые проблемы этих определений. Главной среди них является эндогенность производительности и статуса — особенно когда статусные результаты подпитывают восприятие компетентности, размывая грань между предпосылками и последствиями. Оценки текущей звездной производительности не просто подвержены влиянию прошлых оценок; они являются необходимыми компонентами формирования будущих оценок. Возвращаясь к примеру с арт-рынком: репутация и цена взаимно подкрепляют, а не дополняют друг друга. Как только художник становится известным, его работы начинают стоить дороже, независимо от улучшения или даже сохранения объективного качества (Beckert & Rössel 2013).

Релятивистская модель идентификации звезд

Наш обзор того, как определяются звезды, указывает на отсутствие единого и валидного конструкта звездности; вместо этого используется кустарная индустрия метрик, операционализаций и пороговых значений. Даже при классификации по трем широким категориям, определения звездности вне контекста мешают ответить на естественные уточняющие вопросы к фразе «Что такое звезда?», такие как: что отличает звезду от просто «очень хорошего» исполнителя? Является ли конструкт звезды рефлексивным или формирующим (Asgari et al. 2021)? В скольких измерениях поведения и в каких типах производительности или ресурсов должен доминировать человек, чтобы считаться звездой? Эти вопросы в совокупности создают «дефиниционную трясину» (Asgari et al. 2021, p. 230), которая ограничивает накопление знаний о том, чем на самом деле является звездный статус. Мы утверждаем, что...

эти вопросы о дифференциации и классификации звезд являются вечными, поскольку в большинстве случаев в них предпринимается попытка найти абсолютные, внеконтекстные определения, тогда как звездность — это контекстно-зависимая, относительная позиция. Независимо от того, какой из трех концепций определения звездности придерживается исследователь, попытка изолировать «звезд» с помощью абсолютных критериев и пороговых значений неизбежно приведет к тому, что за деревьями не будет видно леса. Звезды являются таковыми, потому что они доминируют в производстве, контроле и/или накоплении ценных ресурсов относительно своей когорты и контекста. Хотя тип результатов и критерии звездности критически важны для контекстуализации результатов исследований, это не единственные факторы, определяющие контекст. Мы предлагаем организующую структуру идентификации звезд, которая, как и предыдущие обзоры, учитывает (a) когорту для сравнения, относительно которой отклоняются результаты звезды, а также (b) операционализацию критериев звездности, (c) разграничение между звездами и не-звездами и (d) продолжительность наблюдения. Через эту призму относительности мы можем примирить то, что часто кажется разрозненными результатами и противоречивыми рекомендациями в литературе о звездах.

Шаг 1: Идентификация популяции

Этот этап характерен для любого исследования, так как он определяет стратегию формирования выборки, показатели, силу выводов и возможность обобщения результатов. Однако при изучении звезд возникают дополнительные соображения, связанные с необходимостью обеспечения относительного контекста. Во-первых, от кого именно отделяют себя звезды, или, проще говоря, насколько велик «пруд», в котором мы оцениваем размер «рыбы»? Например, лучший представитель местного автосалона может доминировать в общих продажах в этой локации и считаться звездой на данном иерархическом уровне. Однако тот же представитель может оказаться средним исполнителем, если сменить контекст с местной команды на национальный отдел продаж. Рассмотрим два вымышленных исследования, изучающих звездных академических исследователей. В исследовании А звезды определяются как те, кто входит в 1% лучших по количеству публикаций в журналах высшего уровня по всем дисциплинам. Этот узкий порог позволяет выявить только самых продуктивных и заметных исследователей — тех, кто доминирует в области как с точки зрения количества, так и с точки зрения размещения публикаций. Исследование Б, напротив, использует более широкое определение: любой ученый, имеющий как минимум пять элитных публикаций за последние пять лет в рамках своей дисциплины. Хотя обе выборки взяты из одного и того же общего академического рынка труда, их операционализация звездности приводит к совершенно разным выводам относительно поведения и атрибутов звезд. Исследование А может обнаружить, что звезды глубоко интегрированы в элитарные сети, имеют высокую цитируемость и мобильность, тогда как исследование Б придет к выводу, что звезды в значительной степени институционально стабильны, имеют умеренную цитируемость и делают акцент на преподавании наряду с исследованиями. Эти различия не являются противоречивыми; они просто отражают разные предположения о размере «пруда» и критериях, используемых для оценки «самой большой рыбы».

Шаг 2: Определение и контекстуализация критериев звездности

В сфере музыки звездность может быть операционализирована вдоль континуума: от высоко проксимальных поведенческих индикаторов до дистальных, репутационных или коммерческих результатов. На самом детальном уровне Крампе и Эрикссон (1996) определили экспертное исполнение среди элитных пианистов, используя точные моторные метрики, такие как время нажатия клавиш и артикуляция, фиксируя звездность как прямое поведенческое мастерство, развитое в результате целенаправленной практики. Леманн и Грубер (2006) подошли к звездности через институциональную иерархию, рассматривая назначение на пост концертмейстера оркестра как формализованный сигнал элитного статуса — все еще основанный на исполнении, но отфильтрованный через организационное признание. Двигаясь дальше от самого акта исполнения, Шмутц (2005) изучал критическое признание в форме ретроспективных рейтингов Rolling Stone, операционализируя звездность как продукт символического признания, а не живого или записанного исполнения. Еще более дистально Хамлен (1991) измерял звездность через коммерческий успех, рейтинги в чартах и продажи альбомов, подчеркивая, как рыночные результаты часто служат фактической метрикой общественного признания, даже если они лишь слабо связаны с качеством самого исполнения.

Близость результата деятельности и чувствительность определения статуса имеют важные последствия. Во-первых, эти исследования иллюстрируют, что то, как мы определяем и обнаруживаем звезд, зависит не только от того, что делают исполнители, но и от того, как и кем оцениваются их результаты. Во-вторых, близость влияет на «светимость» звезд и способность исследователя идентифицировать их как таковых (Aguinis et al. 2016). Иными словами, степень, в которой звезды, как ожидается, будут доминировать в показателях производства и результатов, частично зависит от чувствительности результата к градациям таланта и производительности.

Например, на момент написания этой статьи киноактеры Харрисон Форд, Сигурни Уивер и Анджела Бассетт в совокупности имеют ровно столько же премий «Оскар», сколько и два автора этой работы: ноль. Таким образом, премии «Оскар» по большому счету нечувствительны к различиям в таланте для большей части распределения исполнителей. Предполагая, что премии «Оскар» являются легитимным индикатором мастерства в этой области, исследователи, использующие эту метрику, смогут обнаружить только самых «ярких» звезд, и их теоретизирование и методология должны учитывать это. Например, даже если выборка проводится в месте с частотой работающих актеров выше среднего (например, в Лос-Анджелесе), вероятность сбора выборки с достаточной дисперсией в количестве побед на премии «Оскар» мала. Это означает, что выборка должна быть менее репрезентативной (например, привлекать только участников, являющихся действующими членами Гильдии киноактеров и снимавшихся в крупных кинофильмах за последние пять лет). Чем менее случайной является выборка, тем менее репрезентативной она будет для популяции и тем выше вероятность появления альтернативной, неучтенной причины или смешивающего фактора.

Чувствительность критериев звездности также влияет на то, какая доля общего объема производства, вознаграждений и статуса приписывается звездам. Рассмотрим вероятную профессию большинства читателей этой рукописи: академические исследователи. Как упоминалось выше, О'Бойл и Агуинис (2012) определили звездных академических исследователей на основе количества публикаций в ведущих журналах и обнаружили, что в некоторых случаях звездные исследователи выпускали 20 или более публикаций высшего уровня, в то время как мода для этих распределений составляла всего одну публикацию. Является ли звездный исследователь в 20 или более раз лучше типичного исследователя с точки зрения его способности определить интересный исследовательский вопрос, разработать дизайн исследования и описать результаты? Или звездный исследователь лишь немного лучше в этом поведении, но поскольку публикации в журналах высшего уровня являются несколько нечувствительным прокси-показателем для всего, кроме самых лучших и ярких исследований, небольшие преимущества, которыми обладают звездные исследователи, приносят непропорционально большие или более желаемые результаты? Это происходит из-за способности звезды извлекать выгоду из последующих процессов, таких как кумулятивное преимущество, высокие издержки переключения и экономия на масштабе [т.е. эффект Матфея (Merton 1968, Rigney 2010)].

Если бы критерием идентификации звездного академика было не количество публикаций в журналах высшего уровня, а показатель внимания Altmetric (полученный на основе автоматизированного алгоритма, подпитываемого стремлением к еще одной метрике, впечатлениям в социальных сетях и запатентованной смеси индикаторов академического статуса) для их самой цитируемой статьи, появились бы маловероятные звезды, а другие могли бы исчезнуть. Самая цитируемая статья Альберта Эйнштейна (1935) на момент написания этой статьи имеет показатель Altmetric 853; самая цитируемая статья Кристиана Г. Андерсена (2020) в настоящее время имеет показатель 32 635¹. Без контекста относительно научной области, времени и медийного ландшафта такое сравнение определенно сделало бы Эйнштейна «не-звездой» в науке, учитывая его относительно мизерный показатель внимания; однако современное состояние знаний по физике и Шведская королевская академия наук, присуждающая Нобелевскую премию по физике, могли бы с этим не согласиться.

Шаг 3: Дифференциация звезд и не-звезд

Когда популяция идентифицирована, а критерии звездности определены, исследователи должны принять обоснованные решения о том, где провести черту, отделяющую звезд от не-звезд. Хотя это может показаться простым делом, вопрос является концептуально сложным и имеет серьезные последствия. Решения о пороговых значениях отражают нормативные предположения о том, что составляет исключительную производительность, и тесно взаимодействуют с дистрибутивными свойствами выбранной метрики. Например, определяя звезд...

¹ Чтобы быть точными: мы не ставим под сомнение важность работы Андерсена и др. (2020); мы ставим под сомнение метрику, которая оценивает ее влияние почти в 40 раз выше, чем работу Эйнштейна.

...используя метрику результативности с распределением с «тяжелым хвостом», звезды будут занимать узкий «хвост» экстремально продуктивных исполнителей, и даже незначительные изменения порога могут существенно изменить состав тех, кто квалифицируется как звезда (например, Call et al. 2021, Gala & Schwab 2024, Gala et al. 2024). Кроме того, решения о пороговых значениях должны учитывать форму распределения и крутизну градиента между теми, кто идентифицирован как звезды, и их ближайшими соседями, не являющимися таковыми. В ролях и профессиях, где незначительные различия в способностях приносят огромную разницу в результатах (например, в спринте, где олимпийское доминирование Усэйна Болта измерялось сотыми долями секунды), грань между звездами и не-звездами может быть количественно узкой, но символически и материально огромной (например, Болт завоевал 8 золотых медалей в период с 2008 по 2016 год, в то время как его ближайшие соперники, Йохан Блейк и Джастин Гэтлин, в совокупности выиграли только 2 золота). Напротив, в областях, где метрики успеха более грубые или менее чувствительны к различиям в усилиях и навыках (например, премии «Оскар», выходы венчурного капитала/IPO), звезды могут казаться качественно отличными от медианного исполнителя или даже от очень хороших специалистов, хотя на самом деле дисперсия обусловлена в первую очередь экзогенными возможностями, гейткипингом (контролем доступа) или предвзятостью признания, а не только градиентом таланта.

Следовательно, исследователи должны не только учитывать критерии отсечки, используемые для определения звезд (например, топ-1%, лауреат премии, упоминания в СМИ), но и обосновывать эту отсечку на основе теории, распределения производительности и контекста. В некоторых областях может быть оправдан абсолютный порог (например, музыканты, продавшие более 10 миллионов пластинок), в то время как в других требуется относительный порог (например, топ-5% в конкретном университете или отрасли). Фактически, слишком упрощенное разграничение звезд и не-звезд напоминает дискуссию о разделении по медиане (median splits), используемом в некоторых областях для создания двух отдельных групп. Например, если исследователь разделяет свою выборку по медиане распределения производительности, чтобы получить группы с низкими и высокими показателями, возникают риски потери ценной информации, смещения статистических оценок и ошибочных выводов (например, Maxwell & Delaney 1993, McClelland et al. 2015, Rucker et al. 2015). Таким образом, эти различия критически влияют на выводы, сделанные относительно появления, влияния и обобщаемости звезд. Например, определение звезд как топ-5% исследователей в каждой академической дисциплине может учитывать специфические для конкретной области нормы публикационной активности и корректировать междоменные различия в ожиданиях от производительности.

Более того, разграничение звезд и не-звезд требует внимания к пограничным случаям — тем, чьи показатели могут быть чуть ниже порогового значения, но кто обладает многими характеристиками звезд. То, как рассматриваются эти люди — как контрольная группа, почти равные коллеги (near-peers) или ложноотрицательные результаты — имеет значение как для развития теории, так и для статистического моделирования. Некоторые исследователи использовали такие методы, как сопоставление по индексу склонности (propensity score matching), чтобы сравнить звезд с «почти звездами», обнаружив, что результаты звездного уровня часто зависят не только от индивидуальных способностей, но и от доступа к сети контактов, кумулятивного преимущества и удачи (Mindruta et al. 2025, Mohnen 2022). Иначе говоря, возвращаясь к нашему примеру с разделением по медиане: было бы действительно правильно идентифицировать людей на 49-м процентиле как низкопродуктивных, а на 51-м процентиле — как высокопродуктивных? Акт дифференциации — это не просто измерительное решение; это также теоретическая приверженность природе совершенства, детализации оценочных систем и относительному весу результатов в сравнении с процессами. Четкая формулировка этого порога и его обоснование с учетом динамики распределения, социального контекста и теоретических ожиданий повышают как ясность конструкта, так и сопоставимость различных исследований, открывая путь для более кумулятивного прогресса в изучении звезд.

Шаг 4: Установление временных рамок

Митчелл и Джеймс (Mitchell & James 2001) подчеркивали, что временные рамки конструктов влияют как на то, что мы наблюдаем, так и на то, как мы это интерпретируем (см. также Ancona et al. 2001, Blagoev et al. 2024). В изучении звездных исполнителей время — это не просто контекстуальный фон, а центральное теоретическое измерение, которое формирует становление, идентификацию и последствия звездности. Игнорирование фактора времени может привести к неверным выводам, например, к восприятию эфемерных всплесков как доказательства устойчивого превосходства (т. е. «падающие звезды») или к преждевременному списанию со счетов людей, чье влияние раскрывается медленно. Звезды, иными словами, являются не статичными объектами, а динамичными, ограниченными во времени траекториями, и любая попытка их идентифицировать, дифференцировать или оценить должна учитывать продолжительность и сроки окна наблюдения.

Эта обеспокоенность нашла отражение во многих направлениях недавних исследований звезд. Например, Агинис и О'Бойл (Aguinis & O’Boyle 2014) утверждали, что в данной области звездность часто рассматривалась как фиксированная черта, а не как процесс производительности, который эволюционирует на разных этапах карьеры и в разных контекстах. Они предупреждали, что исследования, ограниченные краткосрочными индикаторами, могут не обнаружить критические паттерны устойчивости, упадка или волатильности результатов. Кроме того, без установления надлежащих временных рамок регрессия к среднему — то есть тенденция экстремальных или необычных показателей оказываться ближе к среднему при повторном измерении — может затруднить идентификацию звезд (например, Greve 1999, Murstein 2003, Smith & Smith 2005).

В аналогичном ключе Асгари и соавторы (Asgari et al. 2021) предложили типологию, отличающую «красных гигантов» — звезд, чье долгосрочное присутствие приносит побочные эффекты и институциональные выгоды, — от «черных дыр», чья ранняя известность может скрывать последующий упадок или неэффективность. Эти модели в значительной степени опираются на лонгитюдные данные и предполагают, что временной масштаб анализа меняет классификацию и оценку влияния звезд. Другие ученые исследовали, как время выявляет косвенные или лагированные эффекты присутствия звезд. Например, Чен и Гарг (Chen & Garg 2018) обнаружили, что когда звезды уходят (в результате добровольной или недобровольной текучести), коллеги часто оказываются на высоте, перестраивая рабочие процессы, беря на себя новые обязанности и демонстрируя скрытые возможности. Однако эти всплески производительности не были мгновенными, что подчеркивает важность временного охвата при изучении эффектов звезд. Кросс-секционные срезы, скорее всего, упустили бы компенсаторную адаптацию, которая разворачивается со временем (Chen & Garg 2018), что имеет важные последствия для теорий, предлагающих рассматривать звездность как позицию в сети, а не как конфигурацию знаний, навыков и способностей.

В качестве другого примера рассмотрим исследование Терри и соавторов (Terry et al. 2023) о том, как раннее признание и предшествующая известность продолжают формировать оценки и вознаграждение, даже когда последующая деятельность больше не соответствует этому высокому статусу. Эти «звезды с угасшей славой» документируют процесс разобщения между результатом и вознаграждением, предполагая, что раннее признание может застыть в форме устойчивого репутационного капитала — того, что они называют «вязкостью статуса». Эти выводы подтверждают идею о том, что временные соображения имеют решающее значение: эффекты звезд могут сохраняться долгое время после возникновения первоначальной причины, часто переживая обоснование для дальнейшего признания (Terry et al. 2023).

И в качестве последнего примера рассмотрим обзор Немета (Nemeth 1997), в котором инновационные звезды (люди и фирмы) определялись через рейтинги профессиональных изданий, таких как список самых уважаемых компаний Fortune. Большая часть дискуссии была сосредоточена вокруг одной из таких фирм, которая одновременно завоевывала награду Fortune «Самая инновационная компания Америки» в течение 6 лет подряд (1996–2001). Обсуждения того, как они вели переговоры с местными, государственными и федеральными властями о дерегулировании сектора, их агрессивные продажи и маркетинг, а также плоская организационная структура — все это выделялось как критические факторы успеха этой звездной фирмы и ее звездного главного исполнительного директора (CEO). К сожалению, этой звездной фирмой была Enron, а ее звездным CEO — Кеннет Лей. Ретроспективная переоценка подчеркивает, что такие конструкты, как звездность, должны постоянно проверяться на соответствие новым доказательствам, а не основываться только на исторических заслугах. Это также подтверждает важность эксплицитного теоретизирования времени — не просто как контрольной переменной или характеристики выборки, но и как неотъемлемой линзы, через которую звездность создается, воспринимается и пересматривается (см. также Bear et al. 2025).

Резюме

Мы представили релятивистскую концепцию идентификации звезд, которая выходит за рамки статичных, внеконтекстных определений в сторону более тонкого понимания того, как, когда и по отношению к кому определяется звездность (Таблица 1). Вместо того чтобы полагаться на абсолютные пороги или универсальные метрики, мы призываем к...

Таблица 1. Релятивистская концепция идентификации звездных исполнителей: основные измерения, противоречия и примеры применения

...исследователей учитывать когорту для сравнения, поведенческую близость и чувствительность метрики производительности, а также временное окно наблюдения. Каждое из этих соображений коренным образом определяет то, кто будет идентифицирован как звезда, и какие выводы будут сделаны относительно их влияния. Звезды — это не просто те, у кого самые высокие показатели или больше всего наград, а те, чьи результаты и признание выделяются в рамках определенной системы отсчета и в течение периода, который фиксирует траекторию, устойчивость или волатильность их вклада. Эта перспектива признает, что небольшие абсолютные различия (например, миллисекунды в спринте или незначительное преимущество в цитировании) могут приводить к большим символическим и материальным диспропорциям через такие процессы, как накопленное преимущество. Далее мы обсудим конкретные предпосылки возникновения звезд, а также индивидуальные, командные и организационные результаты звездности.

Таблица 1. Релятивистская концепция идентификации звездных исполнителей: основные измерения, противоречия и примеры применения

Возникновение, продуктивность и побочные эффекты звездности

Что предсказывает и поддерживает появление звезд и их продуктивность? Какие индивидуальные различия, социальные структуры и/или контекстуальные факторы позволяют определенным лицам доминировать в производстве и получать непропорционально высокое вознаграждение? Хотя в предыдущих обзорах были каталогизированы сотни эмпирических и теоретических вкладов в этот вопрос (например, Asgari et al. 2021, Call et al. 2015, Kehoe et al. 2023), цель данного раздела не в том, чтобы дублировать этот объем. Вместо этого в следующих разделах мы синтезируем недавние эмпирические данные, касающиеся именно звезд, которые дают представление о том, как звезды появляются, поддерживают высокую продуктивность и влияют на окружающих, что в конечном итоге закладывает основу для более глубокого теоретического и методологического руководства.

Возникновение звезд

Появление звезд нельзя объяснить исключительно талантом или усилиями. Эмпирические работы в области менеджмента и психологии подчеркивают значимость «социального каркаса», который делает возможным достижение статуса звезды. Например, в командах креативного дизайна Лю и др. (Liu et al. 2018) обнаружили, что люди становились звездами после работы с уже признанными звездами, но только в том случае, если они занимали центральное место в сетях коммуникации команды. Григориу и Ротермель (Grigoriou & Rothaermel 2014) сообщили о схожем эффекте в сфере биотехнологий, где изобретатели с высокой сетевой центральностью имели больше шансов на создание прорывных инноваций. Эти исследования показывают, что звездность часто носит реляционный характер, возникая из способности человека выступать в роли брокера внутри экосистемы знаний (см. также Daud et al. 2015).

Ферриани и др. (Ferriani et al. 2009) расширили это понимание на проектно-ориентированные отрасли, показав, что звезды чаще появляются в командах с большим разбросом навыков и четкой дифференциацией ролей, что делает индивидуальную самобытность более заметной. Напротив, гомогенность внутри команд подавляла видимость высокоэффективных исполнителей. В глобально распределенных командах Саркер и др. (Sarker et al. 2011) обнаружили, что звезды появляются неформально — не через официальные руководящие роли, а как центральные узлы знаний, к которым регулярно обращаются за экспертизой.

Тем не менее, эти пути доступны не всем в равной степени. Руа-Гомес и др. (Rua-Gomez et al. 2023) обнаружили, что женщины сталкиваются с более пристальным вниманием и меньшей взаимностью при попытке установить связи с существующими звездами. Это свидетельствует о том, что статусный гейткипинг (ограничение доступа) и предвзятость могут подавлять звездность даже у квалифицированных специалистов (см. также Bear et al. 2025). В совокупности эти исследования показывают, что появление звезд является функцией не только заслуг, но и структур возможностей, дизайна команд и доступа к высокостатусному реляционному капиталу.

Дополнительный аспект, который следует учитывать, — это давление, оказываемое на «восходящих звезд», а именно на сотрудников с высоким потенциалом (Karakowsky & Kotlyar 2021). Идентификация в качестве сотрудника с высоким потенциалом может повысить самоэффективность и предложить важные возможности для профессионального развития. Однако такие кандидаты обычно сталкиваются с более высокими ожиданиями относительно их результатов и вклада в организацию, что повышает цену неудачи. В свою очередь, ярлык «сотрудника с высоким потенциалом» может также вызвать уязвимость, связанную с высокостатусным статусом восходящей звезды, потенциально препятствуя способности учиться на опыте неудач. Таким образом, таким потенциальным звездам приходится адаптировать и тонко настраивать свои стратегии управления ошибками/неудачами и развивать социальные навыки, чтобы избежать падения (например, Fragale et al. 2009, 2011; Reh et al. 2018).

Индивидуальная продуктивность звезд

Среди тех, кто уже достиг статуса звезды, сохраняются заметные различия в текущих результатах, влиянии и видимости. Ученые все чаще указывают на мотивационные и контекстуальные факторы, объясняя, почему одни звезды поддерживают высокую продуктивность, в то время как другие выходят на плато. Биш и Кабанофф (Bish & Kabanoff 2014), например, обнаружили, что менеджеры-звезды, которые продолжали выдавать высокие результаты, также были более вовлечены в контекстуальную деятельность — проактивное, ориентированное на изменения поведение, которое укрепляло функционирование организации. Аналогичным образом, Ланг и др. (Lang et al. 2012) продемонстрировали, что имплицитные мотивы — особенно неосознанное стремление к достижению — превосходят традиционные эксплицитные черты в прогнозировании как задач, так и контекстуальных результатов среди высокоэффективных исполнителей. Эти исследования показывают, что устойчивая элитная производительность может в меньшей степени зависеть от статичных черт и в большей — от глубинных систем мотивации и паттернов просоциального взаимодействия.

Контекстуальная поддержка дополнительно отличает продуктивных звезд от их коллег. В ходе мультиинституционального исследования Уайт и др. (White et al. 2012) обнаружили, что звезды науки наиболее продуктивны, когда они работают в условиях высокой автономии, поддерживаемой институциональными механизмами, такими как исследовательские центры и возможности получения грантов. Эти организационные возможности не только способствовали продуктивности, но и помогали звездам трансформировать свои результаты в видимое влияние.

Однако продуктивность — это не только то, что произведено, но и то, что признано. Бюринг и др. (Buehring et al. 2007) представили убедительные доказательства этого в своем исследовании практик цитирования. В таких областях, как биомедицина, где старшие авторы часто указываются последними, системы цитирования, сокращающие список авторов с помощью «et al.», могут опускать самого значимого участника. Их анализ показал, что когда имя автора-звезды исключалось из-за конвенций форматирования, статья собирала меньше цитирований. Это указывает на то, что продуктивность звезд может недооцениваться просто из-за библиометрических практик. Это подчеркивает важность механизмов видимости для поддержания статуса звезды и то, как конвенции атрибуции могут искажать связь между результатом и признанием.

Наконец, продуктивность звезд может определяться их структурным положением и системами, в которых они работают. В исследовании Национальной баскетбольной ассоциации (НБА) Чен и Гарг (Chen & Garg 2018) обнаружили, что временное отсутствие звездного игрока иногда приводило к улучшению показателей его коллег. Это подразумевает, что продуктивность звезд может частично основываться на занятии эксклюзивных ролей с высоким уровнем контроля. Большинство прод...

уктивных звезд не только эффективны сами по себе — они формируют системы так, чтобы максимизировать свободу действий, уменьшить избыточность и централизовать влияние. В совокупности эти результаты указывают на более тонкое понимание продуктивности звезд, при котором индивидуальные мотивы, институциональная поддержка и системы признания объединяются для укрепления или сдерживания устойчивого превосходства.

Эффекты перелива от звезд

Звезды не действуют в изоляции. Их присутствие может менять поведение, восприятие и карьерные траектории коллег, команд и целых организаций. Хотя ранние работы рассматривали звезд как отдельные единицы мастерства, недавние эмпирические исследования показали, что их влияние отражается в социальных и структурных системах сложными, а иногда и противоречивыми способами.

На уровне коллег эффекты перелива в значительной степени зависят от состава команды и психологического контекста (Hendricks et al. 2023). Например, используя набор данных НБА за несколько сезонов, Call et al. (2021) обнаружили, что игроки, не являющиеся звездами, показывали лучшие результаты, когда в командах была умеренная концентрация звезд. Слишком малое количество звезд ограничивало возможности для обучения, в то время как слишком большое — провоцировало конкуренцию за статус, распыление ресурсов и снижение сплоченности и ясности ролей, что выступало медиатором связи между плотностью звезд и результативностью коллег. Taylor & Bendickson (2021) конструктивно воспроизвели этот результат на выборке Главной лиги бейсбола (MLB); они обнаружили, что звездные игроки вносят положительный вклад в производительность подразделения, превышая влияние высокой средней производительности и наличия других высокоэффективных сотрудников. Опять же, сила этой положительной связи ослабевала по мере роста числа звездных игроков.

Эти результаты определяются не только присутствием, но и близостью и взаимодействием. Исследуя элитные футбольные команды, Ichniowski & Preston (2014) обнаружили, что будущая звездность членов команды предсказывалась предшествующим контактом с существующими звездами — доказательство устойчивых эффектов взаимного обучения. Но это обучение зависело от общего игрового времени и функционального совпадения задач. Cattani et al. (2013) изучали голливудские кинопроекты с участием множества звезд и обнаружили, что история прошлого сотрудничества между звездами — то есть знакомство внутри команды — помогала преодолеть сценарий «слишком много поваров портят бульон» (см. также Groysberg et al. 2011). Родственное понимание дает работа Braun (2019), который в ходе полевых исследований с использованием смешанных методов обнаружил, что качество обратной связи — особенно развивающей обратной связи от звезд — было медиатором того, улучшало или подавляло их присутствие работу команды. Атмосфера высокого доверия усиливала положительные переливы, тогда как атмосфера низкого доверия приводила к статусной тревоге и отстраненности (см. также Morris et al. 2021b).

На организационном уровне звезды могут оказывать влияние, даже когда они активно не присутствуют. Liu et al. (2025) задокументировали эффект отраженной славы: лица, ранее работавшие под руководством высокостатусных фигур (например, известных главных тренеров НБА), получали более снисходительные оценки эффективности и реже увольнялись — даже после неудовлетворительных результатов. Эта динамика, обусловленная социально-когнитивными схемами и генерализацией репутации, подчеркивает, как аффилиация со звездами может искажать карьерные траектории спустя долгое время после прекращения сотрудничества. Аналогично, Barlow et al. (2023) обнаружили, что угасающие звезды, сменившие команды в Национальной футбольной лиге (НФЛ), продолжали влиять на результативность коллег, часто снижая продуктивность товарищей по команде из-за ожиданий, связанных с их прошлыми заслугами, и норм почтительности, которые больше не соответствовали текущим способностям.

Не все переливы связаны с репутацией или развитием. Kakkar et al. (2020) показали, что звезды, демонстрирующие доминирование, а не престижное поведение, склонны вызывать психологические угрозы у коллег, что ведет к потере вовлеченности. Аналогично, Kehoe & Tzabbar (2015) проанализировали сети соавторства патентов в биотехнологиях и обнаружили, что в то время как непосредственные партнеры звезд выигрывали за счет прямых переливов знаний, периферийные члены команды испытывали «эффект тени» — снижение инноваций и видимости — особенно когда звезда занимала центральное или контролирующее положение в сети. Риск заключается в том, что звезды становятся гравитационными силами, оттягивающими внимание и ресурсы от коллег, не находящихся на их непосредственной орбите.

Эти эффекты не статичны. Ulrich & Call (2025) продемонстрировали, что по мере старения звезд ценность, которую они создают через переливы коллегам, может снижаться — если только они не остаются вовлеченными в наставничество и совместную работу. Их лонгитюдное исследование фирм профессиональных услуг показало, что реляционная ценность звезд частично зависела от текущего взаимодействия, а не только от прошлого статуса. Кроме того, используя выборку НБА, Kim & Makadok (2022) показали, что звездные исполнители, ставшие менеджерами — то есть менеджеры, которые ранее играли в Матче всех звезд НБА, — превосходили других менеджеров благодаря своей роли примера для подражания, превосходной способности обучать и пониманию того, как стимулировать подчиненных.

В сумме звезды — это не просто исключительные сотрудники, но и структурные ориентиры, которые определяют, как другие работают, оцениваются и развиваются. Их эффекты зависят от близости (прямой или косвенной), фрейминга (престиж или доминирование) и более широкой экологии социальных связей и организационного дизайна. Вместо того чтобы предполагать, что звезды в одностороннем порядке подтягивают окружающих, исследования должны продолжать распутывать механизмы — обучение, репутация, угроза или исключение — через которые разворачиваются эффекты перелива от звезд. Мы резюмируем наш синтез возникновения, производства и перелива звезд в таблице 2.

Теоретические, методологические, статистические и кросс-культурные аспекты

В нашем заключительном разделе мы обращаемся к уникальным теоретическим, методологическим, статистическим и кросс-культурным аспектам, необходимым для исследования этого редкого, экстремального и социально сконструированного феномена звездности. Здесь мы подчеркиваем, что, хотя ученым, вероятно, следует заимствовать многочисленные аспекты существующих фреймворков, методов и моделей, созданных для средних исполнителей, существуют тонкости в исследованиях, предназначенных для объяснения исключительных результатов. Без этого нюанса результатом будет двусмысленная теория, неподходящий дизайн и недостаточно мощный или неверно выстроенный анализ. Мы освещаем недавние исследования, посвященные звездам, которые иллюстрируют, как строгая специфическая теория и контекстно-зависимый поиск могут дать результаты, которые являются одновременно концептуально значимыми и прикладными.

Таблица 2. Звездные сотрудники в контексте: ключевые выводы о становлении, продуктивности и эффекте перелива

Делая это эмпирически обоснованным, мы выступаем за интегрированный подход, который признает звезд качественно отличными акторами, встроенными в многоуровневые социальные и организационные системы.

Соображения теории звезд

При рассмотрении уникального контекста звезд исследователям следует делать прогнозы, специфичные именно для звезд. Исследования предпосылок и качеств звездных сотрудников часто постулируют и проверяют, обладают ли звезды расходящимися уровнями ключевых черт, таких как нарциссизм и доброжелательность (например, Baer et al. 2010, Bendersky & Shah 2013, Obschonka et al. 2017), занимают ли они ключевые позиции в сетях (например, Burt 2004) или работают ли в определенных профессиях и отраслях (Kehoe et al. 2018). Это важные вопросы, которые необходимо решать, и это ценные исследования, но изыскания такого рода рассматривают звезд как отдельную популяцию в своем теоретизировании и, как следствие, несут в себе скрытое допущение, что существующая теория не полностью применима к звездам. Это проверяемое допущение; однако оно редко подвергалось тестированию. Если звезды являются значимо отличной популяцией, то они не могут просто быть такими же, как все остальные, но в большей степени. Например, если выяснится, что звезды — самые интеллектуально развитые работники, это не означает, что нам нужны «звездные теории интеллекта». Области уже более столетия известно, что интеллект положительно связан с производительностью труда (например, Nye et al. 2022, Sackett et al. 2024, Schmidt & Hunter 2004); таким образом, доказательство того, что лучшие исполнители являются самыми умными, подтверждает существующие теории предикторов индивидуальной производительности, делая дополнительную проприетарную теорию, специфичную для звезд, ненужной.

Проприетарную теорию для звезд невозможно найти в строго монотонной функции. Новые теории строятся на «надгробиях» старых. Если звезды отличаются тем, что имеют специфические конфигурации индивидуальных различий, мотивированы особыми внутренними и внешними драйверами или занимают уникальные позиции в сетях, организациях и отраслях (среди прочего), то существующие теории должны оказаться несостоятельными. Если теория справедливости (Adams 1965) столь же применима и объяснима для экстремального «хвоста» распределения производительности, как и для следующих за лучшими и средних работников, то какова ценность дифференциации звезд от не-звезд при рассмотрении того, как справедливость и относительное сравнение влияют на мотивацию и производительность?

Демонстрация того, что существующая теория не в состоянии предсказать появление звезд и их продуктивность, является необходимым обоснованием для новой теории или внесения поправок в старую. Практики, стремящиеся привлекать, развивать и удерживать звезд, сталкиваются с той же проблемой. Если переменная оплата труда и идиосинкразические условия работы столь же эффективны для мотивации верхнего процентиля, как и для верхнего квартиля, то того, что достаточно хорошо для «хороших», достаточно и для «лучших», а формальная, отдельная политика управления звездами излишня. Теоретизирование, ориентированное на звезд, должно сначала объяснить, почему общая теория звезд (star-generic theory) терпит неудачу.

Рассмотрим, например, исследование текучести кадров среди звезд, проведенное Ханом и Равидом (Han & Ravid 2020). Они выбрали контекст бродвейского театра из-за относительно высокой степени контроля над потенциально мешающими факторами. Поскольку сценарий идентичен, большая часть вспомогательного актерского состава и технической группы остается неизменной на протяжении всего показа шоу, Нью-Йорк является фиксированной локацией и так далее, значительные изменения в популярности и ценах на билеты, связанные с появлением или уходом звезды, могут быть изолированы легче. Эта специфика контекста позволяет делать прогнозы, ориентированные на звезд. В частности, Хан и Равид (2020) предложили один из четырех вариантов развития событий:

(a) При базовом уровне компетентности все шоу проходят одинаково, независимо от присутствия звезды; (b) наличие ведущего актера с чуть большими способностями по сравнению с коллегами увеличит продажи билетов (т. е. звездам нужно иметь лишь незначительно больше таланта, чтобы пожинать звездные награды); (c) звездный статус в квази-связанных областях (например, голливудские знаменитости, инфлюенсеры в социальных сетях) повысит успех шоу независимо от того, обладает ли ведущий актер такими же или даже меньшими способностями к сценической игре, чем коллеги; (d) только самые талантливые и способные актеры в главных ролях могут влиять на продажи билетов.

Только разграничив, какой из этих четырех вариантов произошел, авторы могут говорить о наличии специфических и уникальных эффектов текучести звездных исполнителей, в отличие от общего вывода относительно взаимосвязи между текучестью кадров в подразделении и удовлетворенностью клиентов. Подтверждение варианта «a» указывало бы на то, что в данном контексте дополнительные расходы и продвижение звездных исполнителей не нужны, так как предпочтения потребителей в значительной степени инвариантны к актерскому таланту после достижения базового уровня компетентности на сцене. Таким образом, в группе актеров могут быть подлинные различия в таланте, но со стратегической точки зрения распределения ресурсов театральная постановка — или, в более общем смысле, организация — должна сосредоточиться на подтягивании производительности левого «хвоста» распределения до минимально приемлемого уровня квалификации, а не утруждать себя кастингом для правого «хвоста» распределения, где, как предполагается, существуют звезды.

В качестве альтернативы, подтверждение варианта «b» вместо «a» показывает, что потребители не настолько нечувствительны к различиям в таланте, чтобы не отличать актеров разной степени одаренности. Это просто демонстрирует линейную функцию между талантом и продажами билетов. Соответственно, этот результат сам по себе, без контекста, подтвердил бы, что талант положительно связан с продажами билетов, что абсолютно ничего не говорит о звездных эффектах и не вносит существенного или непосредственного вклада в литературу о звездах. Равно как и демонстрация того, что самые талантливые актеры играют в самых успешных спектаклях, хотя это обычный подход в исследованиях, якобы изучающих звезд и звездные эффекты.

Только последние два прогноза («c» и «d») в исследовании Хана и Равида (2020) специфичны для звезд и напрямую обогащают литературу о них. Результат, поддерживающий вариант «c», предполагает, что звездные эффекты почти полностью носят репутационный характер, в противовес реальным различиям в таланте. На самом деле талант может не иметь большого значения; если так, то этот вывод подтвердил бы теории, постулирующие, что звездные эффекты в значительной степени строятся на известности и репутации, такие как теория суперзвезд Розена (Rosen 1981). В частности, узнаваемость имени в форме знаменитости экономит потребителю время и альтернативные издержки, связанные с поиском более талантливого актера.

Рассмотрим пример из смежной отрасли — музыки. Вполне возможно, что существуют лучшие лирики, певцы, исполнители и владельцы развлекательного бизнеса, чем Тейлор Свифт, но сколько усилий типичный потребитель затратит на поиск этих гипотетически лучших артистов вместо того, чтобы выбрать известную величину в лице Свифт? Этот вывод применим только к звездам, потому что только звезды обладают статусом знаменитости в контексте Бродвея. Наконец, вывод, подтверждающий вариант «d» — о том, что только самые талантливые актеры, независимо от известности или статуса знаменитости, существенно влияют на продажи билетов, — поддержал бы теории звездности, которые позиционируют звезд как качественно отличных от средних или даже очень хороших работников. Действительно, результаты Хана и Равида (2020) подтверждают вариант «d», и они приходят к выводу, что если актер не обладает выдающимся талантом, выдающегося влияния на продажи билетов не будет. Теоретизирование таким образом напрямую информирует литературу о звездах и открывает множество будущих направлений исследований, связанных с источником звездного статуса (например, репутация против способностей), престижем и переносимостью статуса из одного контекста в другой, а также градацией и порогами звездного таланта.

Методологические соображения по звездам

Методология в исследованиях звезд предполагает несколько важных соображений, выходящих за рамки стандартных принципов качественного дизайна. Глубокое изучение звезд часто означает выход за пределы опросов с самоотчетами, экспериментальных виньеток и дистрибутивного сравнения архивных источников данных. В изучении звезд использовались самые разные новаторские методы, и наше намерение состоит в том, чтобы выделить те образцовые подходы, которые являются, за неимением лучшего термина, остроумными.

Большая часть ранних исследований звезд в менеджменте носила описательный характер. Например, О'Бойл и Агинис (2012) просто сравнили форму наблюдаемых распределений производительности и выработки с нормальным распределением. Аналогичная работа в других областях, таких как предпринимательство (например, Crawford et al. 2015, Gala & Schwab 2024) и стратегия (например, Aguinis et al. 2018b), а также на других уровнях анализа, таких как команда (например, Bradley & Aguinis 2023), в значительной степени подтвердила ненормальность распределения результатов деятельности с «тяжелым хвостом» во многих контекстах. Кроме того, несмотря на некоторые заметные возражения против этого вывода (аргумент в пользу нормальности см. у Beck et al. 2014; ответ и опровержение аргумента о нормальности см. у О'Бойла и Кроски 2017), описательная статистика этих ранних исследований ясно показала, что ненормальность была обусловлена небольшой группой экстремальных исполнителей, называемых звездами, и, что критически важно, такие типы распределений встречались гораздо чаще, чем считалось ранее.

Исследования, обнаружившие распределение производительности с «тяжелым хвостом» из-за наличия звезд, привнесли ряд важных методологических соображений при переходе от описания к логическому выводу — о том, как и почему звезды могут появляться и доминировать в производстве. Задача разработки исследований, позволяющих делать обоснованные выводы о том, почему определенные типы распределений производительности определяются звездами, кто обычно занимает эти роли, и какие стратегии и тактики используются для сохранения позиции звезды, осложняется тремя факторами. Во-первых, предполагается, что звезды встречаются редко, поэтому их доля в популяции достаточно мала, чтобы выборка и результирующее снижение статистической мощности стали проблемой. Во-вторых, звездность обычно теоретизируется как дискретная переменная, но распределение производительности непрерывно, что делает выбор точки, где заканчиваются очень хорошие работники и начинаются звезды, в некоторой степени произвольным.

Рассмотрим четыре исследования ученых-звезд, в которых использовался порог для определения границ звездности: Kehoe & Tzabbar (2015) установили точку отсечения на уровне 2 стандартных отклонений, Agrawal et al. (2017) — на уровне 90-го процентиля, Hohberger (2016) — на уровне верхнего процентиля, а Aguinis et al. (2018a) — на уровне одной публикации высшего уровня. Четыре разных исследования одного и того же феномена использовали одну и ту же популяцию, но в каждом исследовании применялись разные точки отсечения и разные показатели результата. Стоит ли удивляться тому, что эти четыре исследования пришли к разным, а в некоторых случаях и противоположным выводам и рекомендациям? Это замечание не направлено против этих или каких-либо других работ. Если приводится аргумент, что звезды отличаются от не-звезд, необходимо разделить эти две группы, и существует действительно мало рекомендаций о том, где должна проходить демаркационная линия (и должна ли она быть вообще). Тем не менее, независимо от местоположения, это, вероятно, окажет важное последующее влияние на результаты и выводы.

То есть, если кто-то идентифицирует звезду как находящуюся на 3,0 стандартных отклонения выше среднего (сомнительная стратегия, учитывая, что двумя определяющими чертами распределений с «тяжелыми хвостами» являются нестабильные средние значения и бесконечная дисперсия), то не говорят ли они по сути, что их выводы относительно звезд не распространяются на кого-то, кто находится на уровне 2,9 стандартных отклонения выше среднего? Если звезды — это дискретная категория исполнителей с различными номологическими сетями и другими особенностями, то вывод, специфичный для звезд, не должен обобщаться на не-звезд, независимо от того, где проведена разделительная линия. Если якобы специфический для звезд вывод действительно распространяется на тех, кто находится на уровне 2,9 стандартных отклонения выше среднего, то как насчет тех, кто находится на уровне 2,5 стандартных отклонения, или 1,0 стандартного отклонения, или на уровне среднего значения?

В-третьих, эффект Матфея Мертона (1968) и последующие работы других авторов (например, Azoulay et al. 2014, Bol et al. 2018, Huber et al. 2022) предполагают, что накопленное преимущество является основным механизмом, с помощью которого те, кто обладает первоначальным небольшим преимуществом, со временем могут превратить его в гораздо более значительные выгоды. В нескольких исследованиях использовались новаторские схемы для изоляции эффектов звезд. Одной из наиболее перспективных особенностей дизайна является использование сопоставимой выборки (matched sample). Если звезды действительно являются относительной редкостью по сравнению со своими коллегами, не являющимися звездами, то сопоставление по предполагаемым причинам и смешивающим переменным из большой выборки не-звезд позволяет сделать более надежные выводы.

Например, Mohnen (2022) использовал дизайн с сопоставимой выборкой (т. е. показатели склонности — propensity scores) для оценки перелива знаний среди ученых-медиков и обнаружил, что близость к звезде повышает продуктивность коллег сверх того, что можно было бы ожидать только на основе наблюдаемых характеристик. Это позволило надежно идентифицировать диффузию знаний, показав, что присутствие ученых-звезд не только повышает отдачу команды, но и косвенно способствует посредничеству в передаче знаний между исследовательскими группами, предполагая, что звезды служат как производителями, так и проводниками инноваций. Аналогичным образом Mindruta et al. (2025) использовали метод сопоставления, чтобы изучить, проистекают ли исключительные результаты из индивидуальных качеств или командных созвездий, предположив, что командная динамика часто усиливает эффекты индивидуальных звезд. Их выводы привели их к заключению, что звезды, встроенные в хорошо сформированные команды, работают лучше, чем те, кто работает изолированно, что бросает вызов нарративу о «великом человеке» и подчеркивает взаимозависимость между силой звезды и командным контекстом в достижении элитных результатов.

Дизайн сопоставления также использовался для получения представления о процессе появления звезд. Например, Ichniowski & Preston (2014) исследовали эффекты коллег и динамику обучения в профессиональном футболе, чтобы оценить, ведут ли звездные исполнители к появлению новых звезд, используя сопоставимый набор контрольных групп и меняющиеся пороги звездности. Их результаты показали, что взаимодействие с высокопродуктивными товарищами по команде значительно увеличивает вероятность превращения индивида в звезду в будущем, поддерживая идею о том, что звезды порождают звезд благодаря устойчивым эффектам продуктивности коллег, которые сохраняются во времени и за пределами организаций.

Что касается «золотого стандарта» методологии — рандомизированных контролируемых испытаний, то они крайне редко используются в исследованиях звезд, несмотря на острую необходимость в причинно-следственной основе взаимосвязей в этой области (см. также Antonakis et al. 2010, Götz & O’Boyle 2023, Shadish et al. 2002). Ирония изучения качественно превосходящей рабочей силы с использованием качественно уступающих методов дизайна часто ускользает от исследователей, изучающих звезд, и отсутствие причинно-следственных доказательств создало теоретическую путаницу. Тем не менее, есть несколько ярких примеров экспериментов со звездами, которые заслуживают обсуждения. Например, интересным естественным экспериментом является исследование «исчезновения звезд» Азулая и соавторов (Azoulay et al. 2014), в котором использовалась преждевременная смерть ученых-звезд, чтобы оценить, как близость к звезде в сети знаний влияет на производительность тех, кто не является звездой, после безвременной кончины звезды. Groysberg et al. (2011) использовали аналогичный дизайн.

Статистические соображения по звездам

Всегда лучше выстраивать дизайн исследования так, чтобы обходить проблемы, а не пытаться решить их в процессе анализа (Light et al. 1990), но в изучении звезд определенные трудности лучше всего решать с помощью статистического моделирования. Звезды по своей природе нарушают многие основополагающие допущения, лежащие в основе традиционных методов логического вывода. То есть они редки, демонстрируют экстремальные результаты и часто оказывают непропорциональное влияние на совокупные результаты. Следовательно, некоторые из наиболее глубоких работ в этой области опирались не только на новые данные и проприетарную теорию, но и использовали статистические инновации, учитывающие уникальные структурные и теоретические особенности звездности.

Основная проблема заключается в том, что распределения производительности среди звезд редко бывают нормальными (например, Beck et al. 2014, Gala et al. 2024, O’Boyle & Aguinis 2012). Фактически растущий объем исследований подтверждает, что результаты деятельности, такие как количество публикаций, продажи и творческая продуктивность, следуют распределениям с «тяжелыми хвостами», где небольшое меньшинство людей создает большую часть ценности (например, Aguinis et al. 2016, Crawford et al. 2015, O’Boyle & Aguinis 2012). Такие распределения нарушают допущения типичных линейных моделей и анализа на основе средних значений. В ответ на это ученые стали использовать такие инструменты, как квантильная регрессия, чтобы проверить, действуют ли предикторы производительности по-разному в различных частях спектра производительности (Aguinis & Bradley 2015), и обобщенные аддитивные модели для исследования...

...особенностей звездного статуса. Основная проблема заключается в том, что распределения результативности среди звезд редко бывают нормальными (например, Beck et al. 2014, Gala et al. 2024, O’Boyle & Aguinis 2012). Фактически растущий объем исследований подтверждает, что результаты деятельности, такие как количество публикаций, объем продаж и творческая продуктивность, следуют распределениям с «тяжелыми хвостами», где небольшое меньшинство людей создает большую часть ценности (например, Aguinis et al. 2016, Crawford et al. 2015, O’Boyle & Aguinis 2012). Такие распределения нарушают допущения типичных линейных моделей и анализа на основе средних значений. В ответ на это ученые стали использовать такие инструменты, как квантильная регрессия, чтобы проверить, действуют ли предикторы производительности по-разному в различных частях спектра производительности (Aguinis & Bradley 2015), и обобщенные аддитивные модели для исследования нелинейностей, которые могут быть особенно заметны среди экстремальных исполнителей.

Еще одной ключевой проблемой при моделировании звезд является работа со статистическим рычагом и чрезмерным влиянием. Поскольку звезды часто создают точки данных, выходящие далеко за пределы предсказанных гауссовым распределением, они могут искажать оценки параметров, если их не учитывать должным образом. В этом контексте методы робастной регрессии и диагностика влияния (например, расстояние Кука, индексы рычага) имеют решающее значение для определения того, являются ли выводы широко обобщаемыми или же они непропорционально обусловлены горсткой экстремальных случаев. В своем анализе академической «звездности» Call et al. (2015) специально предостерегали от чрезмерной интерпретации результатов, в которых не учитывается влияние статистических выбросов, рекомендуя проверки чувствительности и стратегии моделирования с учетом выбросов в качестве стандартного этапа исследования звезд. Невозможно построить знания о звездах на основе выборок, из которых эти звезды были удалены.

Статистический выбор также определяет то, как ученые понимают нелинейные или пороговые эффекты — отличительную черту феномена звезд. Снова используя анализ Call et al. (2021) в качестве примера: авторы изучили нелинейные эффекты плотности звезд в профессиональных баскетбольных командах и обнаружили криволинейную зависимость между долей звезд и результативностью команды, при этом после определенного момента наблюдалась убывающая или даже отрицательная отдача. Явно проверяя нелинейность с помощью квадратичных членов и сплайновых регрессий, они продемонстрировали, что «больше» не всегда означает «лучше» — этот инсайт был бы утерян в линейных аддитивных моделях.

В соответствии с нашими рекомендациями по эксплицитному теоретизированию и включению фактора времени в исследования звезд для обеспечения необходимого контекста, некоторые ученые изучили, как время выявляет косвенные или отложенные эффекты присутствия и влияния звезд. Например, Ichniowski & Preston (2014), изучая элитные футбольные команды, продемонстрировали, что игроки, проводившие больше времени на поле с высокорезультативными товарищами по команде, с гораздо большей вероятностью сами становились звездами в будущих сезонах. Этот эффект не был мгновенным, а накапливался с течением времени, подкрепляя идею о том, что взаимодействие с выдающимися коллегами может давать отложенные выгоды для продуктивности и даже приводить к долгосрочным изменениям в карьерных траекториях. В их анализе использовались лонгитюдные данные на уровне матчей и контролировались предшествующие способности и совпадение ролей, что позволило убедительно доказать наличие обучающих побочных эффектов (spillovers), которые проявляются постепенно, а не мгновенно.

Аналогичным образом Barlow et al. (2023) проанализировали мобильность звезд в НФЛ и обнаружили, что угасающие звезды (бывшие участники «Матча всех звезд»), перешедшие в новые команды, часто оказывали неблагоприятное воздействие на результаты коллег — несмотря на их прошлую репутацию (см. также Zhou et al. 2025). Товарищи по команде и тренеры уступали этим звездам, основываясь на исторических показателях, даже когда текущие способности уже не оправдывали такого почтения. Эти восприятия, основанные на наследии и прошлом статусе, искажали распределение ролей и подрывали координацию на уровне команды. Исследователи называют это «статусным похмельем» (status hangover), когда былое признание продолжает определять организационное поведение и динамику отношений с коллегами еще долгое время после того, как основания для этого признания исчезли. Это подтверждает идею о том, что эффекты звездности обладают инерцией и что раннее признание может создавать устойчивые сигналы, которые сохраняются даже тогда, когда они больше не подтверждаются результативностью.

Подводя итог: анализ звезд требует статистических решений, соответствующих дистрибутивным, временным и многоуровневым реалиям данного конструкта. Поскольку звезды обычно находятся в крайнем правом хвосте распределения результатов и занимают позиции, влекущие за собой несоразмерные символические и материальные последствия, ученые должны выбирать модели, отражающие эту структурную реальность. Это не только повышает внутреннюю валидность, но и позволяет более четко проверить граничные условия, побочные эффекты и долгосрочные результаты, усиливая как теоретический, так и практический вклад в процесс.

Культурные аспекты

Чрезмерная зависимость от исследований, проведенных в странах WEIRD (западных, образованных, промышленно развитых, богатых и демократических) исследователями из этих же стран и опубликованных в журналах этих стран, отнюдь не является проблемой только в изучении звезд (например, Henrich et al. 2010a,b; Muthukrishna et al. 2020). Тем не менее, кросс-культурные исследования звезд создают несколько специфических теоретических, методологических и статистических проблем, начиная с идентификации самих звезд. Люди в индивидуалистических обществах WEIRD, таких как США, Канада и большая часть Западной Европы, более склонны приписывать поведение внутренним факторам (например, Al-Zahrani & Kaplowitz 1993, Oyserman et al. 2002, Yuki et al. 2007). Эта склонность не только отражает врожденную предвзятость в пользу внутренних драйверов производительности звезд, но и смещает определение звездности в сторону индивидуальных показателей деятельности, которые можно напрямую сравнивать с другими. Успех звезды здесь не рассматривается как сбалансированная совокупность достижений, включающая саму звезду, ее команду, организацию и общество в целом. Вместо этого он определяется узкоспециализированными и индивидуализированными метриками, которые подчеркивают личные достижения, признание и статус.

Следовательно, в коллективистских обществах и культурах с высокой дистанцией власти может быть меньше прозрачных систем оценки, ориентированных на результат, в которых обычно появляются звезды (например, академическая среда, финансы, профессиональный спорт и индустрия развлечений). Как отметили Kehoe et al. (2023), культуры, которые ценят скромность, групповую гармонию и уважение к авторитету, могут не только отличаться по критериям определения звезд, но и ставить под сомнение само существование звезд в том виде, в каком они понимаются в практике и исследованиях, где доминирует модель WEIRD. Изучение того, появляются ли и как появляются звезды в культурах, которые (по крайней мере, до определенной степени) отдают приоритет групповым и организационным целям перед индивидуальными достижениями, не только позволит провести обобщаемые исследования за пределами стран WEIRD. Это также может помочь выявить и разработать более масштабные и практически значимые исследования для тех сред, которые производят значимые, но более диффузные звездные таланты (например, Caligiuri et al. 2024, Collings et al. 2019, Minbaeva & Collings 2013). Более широкий подход к идентификации звезд может дать конкурентное преимущество организациям, стремящимся привлечь и удержать лучшие таланты на рынках, которые чрезмерно акцентируют внимание на личных достижениях, часто недооценивая звезд, сформированных в рамках более коллективистских концепций и определений.

Таким образом, наряду с очевидной потребностью в более масштабных количественных исследованиях звезд в различных культурах, существует необходимость в качественных нюансах для построения универсальной теории звездности. Одной из основных методологических проблем в кросс-культурных исследованиях является инвариантность измерения. Эта концепция относится к степени, в которой конструкт, такой как звездность, последовательно понимается и измеряется в различных (культурных) группах. Если показатель дает разные значения, интерпретации или оценочные процессы в разных группах, то любые сравнения или обобщения становятся сомнительными (например, Davidov et al. 2011, 2014; Vandenberg & Lance 2000). Например, такой критерий звездности, как высокая видимость, независимый вклад или награды и почести, значимый в контексте WEIRD, может быть неуместным или даже оцениваться негативно в коллективистской или реляционно-ориентированной культуре. Аналогичным образом критерий, используемый для определения звезды, такой как результативность, может не быть универсально валидным для идентификации звезд в любом контексте, так как другие критерии, например, центральное место в сети контактов, могут оказаться более подходящими. Следовательно, вопросы о том, одинаково ли звезды появляются, одинаково ли они производят продукт или одинаково ли используют свой статус в странах, отличных от WEIRD, бессмысленны до тех пор, пока не появится четкое понимание того, что составляет понятие звезды в культурах, которые в значительной степени игнорировались в литературе.

Методы решения проблемы эндогенности можно использовать, признав, что инвариантность измерения представляет собой специфическую форму смещения, вызванного пропуском переменных, — а именно эндогенность, где недостающей переменной является культурно окрашенная интерпретация звезд (см. также Clougherty et al. 2016, Hill et al. 2021). Например, некоторые культурные различия можно распутать с помощью квазиэкспериментов, где из культур, различающихся по определенному значению (например, дистанция власти), извлекаются репрезентативные выборки, и участников просят идентифицировать звезд. В качестве альтернативы можно использовать исследования с виньетками, где манипулируют конкретными уровнями критериев звездности (см. также Aguinis & Bradley 2014, Van Zelderen et al. 2024). Точно так же планы исследований с сопоставленными выборками (matched sample designs), где участники из обычно ограниченной или недостаточно используемой популяции стран, не относящихся к WEIRD, сопоставляются со значительно большим пулом участников из стран WEIRD, могут дополнительно прояснить различия, например, в ранжировании критериев звездности.

Многие из вышеупомянутых проблем в изучении звезд, требующих статистических решений, являются...

широко применимы и здесь. Основная проблема заключается в том, что критерии, используемые для идентификации «звездных» сотрудников, являются культурно сконструированными и отражают фундаментально иную оценочную логику, чем в других контекстах. Исследователи могут частично решить эту проблему, включив индексы культурных ценностей [например, показатели GLOBE (House et al. 2004)] в качестве модераторов или контрольных переменных для проверки культурной обусловленности. Использование подходов с инструментальными переменными, таких как использование экзогенных шоков (например, изменения в политике, смена руководства) или инструментов, связанных с видимостью талантов, но не с результативностью (см. также Bastardoz et al. 2023, Felton & Stewart 2024), может помочь смягчить смещение, вызванное эндогенным присвоением статуса звезды. Наконец, исследователям следует проводить проверки на устойчивость (robustness checks) по нескольким операциональным определениям звездности (например, на основе продуктивности или на основе признания), чтобы оценить эквивалентность конструкта (см. также Götz et al. 2024, Steegen et al. 2016).

Практические выводы

Исследователи часто вынуждены придерживаться конкретной операционализации «звезды» через объем выпуска (output), результат (outcome) или статус, но это в некоторой степени искусственное различие, поскольку эти классификации редко являются взаимоисключающими. То есть маловероятно, чтобы истинная «звезда выпуска» имела средние результаты и посредственный статус (диаграммы Венна для типов звезд имеют значительное пересечение). Таким образом, организациям критически важно четко понимать тип звезды, которую они стремятся удержать или привлечь. Организации, не проводящие различий между звездами, могут тратить ресурсы на наем внешних звезд и/или не обеспечивать необходимые ресурсы для их удержания, что повышает вероятность текучести кадров среди звезд. Например, литература по экономике труда указывает на то, что звезды могут продолжать получать чрезмерные вознаграждения и сохранять статус еще долгое время после того, как их выработка снизилась (Solow & Krautmann 2020), поэтому слепое инвестирование в звезду, основанное исключительно на репутации или текущем вознаграждении, может привести к значительным избыточным инвестициям.

«Звезды статуса», в частности, могут быть сомнительной ставкой, так как их маржинальная стоимость на эффективных рынках труда должна быть незначительной. То есть, если существует широкий консенсус в том, что человек приносит необычайную и огромную ценность своим командам и организации, то, ceteris paribus (при прочих равных условиях), это уже будет отражено в его текущем уровне компенсации и поощрений. Таким образом, организации, стремящиеся извлечь выгоду из «эффекта звезды», должны искать те области диаграммы Венна, где текущие или потенциальные объемы выработки не пересекаются с результатами и статусом. Безусловно, это легче сказать, чем сделать, но менее заметные или менее универсально ценимые формы поведения звезд, такие как наставничество и ролевое моделирование, могут быть недооцененными видами деятельности, которые, тем не менее, способны принести колоссальную выгоду.

Организациям также следует согласовывать инвестиции в развитие в зависимости от типов звезд. «Звезды выпуска», чья ценность проистекает из неизменно высокого качества выполнения задач, могут получить наибольшую пользу от расширенных инструментов, технического обучения или участия в разнообразных проектах, поддерживающих их продуктивность. С другой стороны, «звезды статуса» часто полагаются на социальный капитал и видимость, что делает роли по созданию репутации, кросс-функциональные проекты или возможности интеллектуального лидерства более эффективными. «Звезды результатов», которые уже получают высокие вознаграждения, могут извлечь максимальную пользу из возможностей для исследований и сложных (stretch) заданий, чтобы предотвратить самоуспокоенность. Диагностируя тип звездности, фирмы могут лучше распределять ресурсы развития в области неиспользованного потенциала, вместо применения шаблонной политики в отношении всех звезд.

Наконец, мы еще раз подчеркиваем важность контекста. Звезды не работают в вакууме, и конкретные задачи, обязанности и ответственность определенной роли в организации являются частью контекста. Перемещение текущей звезды на другую позицию в организационной структуре меняет контекст и, как следствие, изменит ее результативность. «Звезда» — индивидуальный исполнитель — не обязательно превратится в «звездного» лидера. Организации должны предоставлять звездам возможности для роста и продвижения, но они также должны избегать ловушки «эффекта ореола» — заблуждения о том, что выдающиеся достижения в одном контексте автоматически переносятся на все остальные.

Заключение

«Звездные» сотрудники привлекают внимание не только своим выдающимся вкладом, но и каскадными эффектами, которые они запускают в системах работы, вознаграждения и идентичности. Подобно тому как астрономы в конечном итоге дали толчок развитию физики из-за своего увлечения небесными светилами, прошлые исследования звезд учеными в области индустриально-организационной психологии и менеджмента могут привести к более теоретически и методологически обоснованному пониманию звезд на рабочем месте.

В данном обзоре мы утверждали, что понимание звезд требует смены парадигмы: перехода от универсальных пороговых значений к релятивистским, зависящим от контекста структурам, которые выдвигают на первый план группы сравнения, близость измерения и время. Мы предостерегаем от упрощенных моделей и общих теорий, которые не учитывают низкую базовую частоту, социальную встроенность и временную волатильность феномена звезд. Вместо этого мы призвали к теоретизированию с учетом специфики звезд, использованию строгих и чувствительных к контексту методологий и аналитических инструментов, адаптированных к распределениям с «тяжелыми хвостами» и вложенным структурам, в которых работают звезды.

Изучение звезд отнюдь не является второстепенной темой; оно позволяет глубже понять неравенство, системы результативности, а также динамику влияния и признания. Рассматривая звезд как отдельную аналитическую линзу, а не просто как любопытный феномен на краю распределения, мы можем создать более точную науку и более адаптивную управленческую практику. В завершение отметим, что изучение звезд заставляет нас балансировать между восхищением и анализом, а также задаваться вопросом не только о том, кто такие звезды, но и о том, что их взлет — а иногда и падение — говорит о системах, которые создают и поддерживают совершенство.

Заявление о раскрытии информации

Авторам не известно о каких-либо связях, членстве, финансировании или финансовых активах, которые могли бы восприниматься как влияющие на объективность данного обзора.

Благодарности

Работа профессора О'Бойла была частично поддержана фондом Дейла Коулмана в области менеджмента (Dale Coleman Chair of Management).

Список литературы

Adams JS. 1965. Inequity in social exchange. In Advances in Experimental Social Psychology, Vol. 2, ed. L Berkowitz. Academic. https://doi.org/10.1016/S0065-2601(08)60108-2

Agrawal A, McHale J, Oettl A. 2017. How stars matter: recruiting and peer effects in evolutionary biology. Res. Policy 46(4):853–67. https://doi.org/10.1016/j.respol.2017.02.007

Aguinis H, Bradley KJ. 2014. Best practice recommendations for designing and implementing experimental vignette methodology studies. Organ. Res. Methods 17(4):351–71. https://doi.org/10.1177/1094428114547952

Aguinis H, Bradley KJ. 2015. The secret sauce for organizational success. Organ. Dyn. 44(3):161–68. https://doi.org/10.1016/j.orgdyn.2015.05.001

Aguinis H, Ji YH, Joo H. 2018a. Gender productivity gap among star performers in STEM and other scientific fields. J. Appl. Psychol. 103(12):1283–306. https://doi.org/10.1037/apl0000331

Aguinis H, Martin GP, Gomez-Mejia LR, O’Boyle EH, Joo H. 2018b. The two sides of CEO pay injustice: a power law conceptualization of CEO over and underpayment. Manag. Res. 16(1):3–30. https://doi.org/10.1108/MRJIAM-02-2017-0731

Aguinis H, O’Boyle EH. 2014. Star performers in twenty-first century organizations. Pers. Psychol. 67(2):313–50. https://doi.org/10.1111/peps.12054

Aguinis H, O’Boyle EH, Gonzalez-Mulé E, Joo H. 2016. Cumulative advantage: conductors and insulators of heavy-tailed productivity distributions and productivity stars. Pers. Psychol. 69(1):3–66. https://doi.org/10.1111/peps.12095

Al-Zahrani SSA, Kaplowitz SA. 1993. Attributional biases in individualistic and collectivistic cultures: a comparison of Americans with Saudis. Soc. Psychol. Q. 56(3):223–33. https://doi.org/10.2307/2786780

Altmetric. 2024. How is the Altmetric Attention Score calculated? Altmetric. https://help.altmetric.com/support/solutions/articles/6000233311-how-is-the-altmetric-attention-score-calculated

Ancona DG, Goodman PS, Lawrence BS, Tushman ML. 2001. Time: a new research lens. Acad. Manag. Rev. 26(4):645–63. https://doi.org/10.5465/amr.2001.5393903

Andersen KG, Rambaut A, Lipkin WI, Holmes EC, Garry RF. 2020. The proximal origin of SARS-CoV-2. Nat. Med. 26(4):450–52. https://doi.org/10.1038/s41591-020-0820-9

Antonakis J, Bendahan S, Jacquart P, Lalive R. 2010. On making causal claims: a review and recommendations. Leadersh. Q. 21(6):1086–120. https://doi.org/10.1016/j.leaqua.2010.10.010

Anvari F, Alsalti T, Oehler L, Hussey I, Elson M, Arslan RC. 2024. A fragmented field: construct and measure proliferation in psychology. Preprint, PsyArXiv. https://doi.org/10.31234/osf.io/b4muj

Asgari E, Hunt RA, Lerner DA, Townsend DM, Hayward MLA, Kiefer K. 2021. Red giants or black holes? The antecedent conditions and multilevel impacts of star performers. Acad. Manag. Ann. 15(1):223–65.

Andersen KG, Rambaut A, Lipkin WI, Holmes EC, Garry RF. 2020. The proximal origin of SARS-CoV-2. Nat. Med. 26(4):450–52. https://doi.org/10.1038/s41591-020-0820-9

Antonakis J, Bendahan S, Jacquart P, Lalive R. 2010. On making causal claims: a review and recommendations. Leadersh. Q. 21(6):1086–120. https://doi.org/10.1016/j.leaqua.2010.10.010

Anvari F, Alsalti T, Oehler L, Hussey I, Elson M, Arslan RC. 2024. A fragmented field: construct and measure proliferation in psychology. Preprint, PsyArXiv. https://doi.org/10.31234/osf.io/b4muj

Asgari E, Hunt RA, Lerner DA, Townsend DM, Hayward MLA, Kiefer K. 2021. Red giants or black holes? The antecedent conditions and multilevel impacts of star performers. Acad. Manag. Ann. 15(1):223–65. https://doi.org/10.5465/annals.2019.0061

Austin JT, Villanova P. 1992. The criterion problem: 1917–1992. J. Appl. Psychol. 77(6):836–74. https://doi.org/10.1037/0021-9010.77.6.836

Azoulay P, Stuart T, Wang Y. 2014. Matthew: effect or fable? Manag. Sci. 60(1):92–109. https://doi.org/10.1287/mnsc.2013.1755

Baer M, Leenders RThAJ, Oldham GR, Vadera AK. 2010. Win or lose the battle for creativity: the power and perils of intergroup competition. Acad. Manag. J. 53(4):827–45. https://doi.org/10.5465/amj.2010.52814611

Bailey DH, Jung AJ, Beltz AM, Eronen MI, Gische C, et al. 2024. Causal inference on human behaviour. Nat. Hum. Behav. 8:1448–59. https://doi.org/10.1038/s41562-024-01939-z

Barlow MA, Hesterly WS, Verhaal JC. 2023. Catching a falling star: mobility of declining star performers, peer effects, and organizational performance in the National Football League. J. Bus. Res. 165:114053. https://doi.org/10.1016/j.jbusres.2023.114053

Bastardoz N, Matthews MJ, Sajons GB, Ransom T, Kelemen TK, Matthews SH. 2023. Instrumental variables estimation: assumptions, pitfalls, and guidelines. Leadersh. Q. 34(1):101673. https://doi.org/10.1016/j.leaqua.2022.101673

Bear JB, Treviño LJ, Aguinis H. 2025. A star is born or not: understanding the star emergence gender gap. J. Organ. Behav. 46(2):351–67. https://doi.org/10.1002/job.2858

Beck JW, Beatty AS, Sackett PR. 2014. On the distribution of job performance: the role of measurement characteristics in observed departures from normality. Pers. Psychol. 67(3):531–66. https://doi.org/10.1111/peps.12060

Beckert J, Rössel J. 2013. The price of art. Eur. Soc. 15(2):178–95. https://doi.org/10.1080/14616696.2013.767923

Bendersky C, Shah NP. 2013. The downfall of extraverts and rise of neurotics: the dynamic process of status allocation in task groups. Acad. Manag. J. 56(2):387–406. https://doi.org/10.5465/amj.2011.0316

Bennett W, Lance CE, Woehr DJ, eds. 2006. Performance Measurement: Current Perspectives and Future Challenges. Lawrence Erlbaum Associates

Bish AJ, Kabanoff B. 2014. Star performers: Task and contextual performance are components, but are they enough? Asia Pac. J. Hum. Resour. 52(1):110–27. https://doi.org/10.1111/1744-7941.12017

Blagoev B, Hernes T, Kunisch S, Schultz M. 2024. Time as a research lens: a conceptual review and research agenda. J. Manag. 50(6):2152–96. https://doi.org/10.1177/01492063231215032

Bol T, De Vaan M, Van De Rijt A. 2018. The Matthew effect in science funding. PNAS 115(19):4887–90. https://doi.org/10.1073/pnas.1719557115

Borman WC, Motowidlo SJ. 1997. Task performance and contextual performance: the meaning for personnel selection research. Hum. Perform. 10(2):99–109. https://doi.org/10.1207/s15327043hup1002_3

Bormann KC, Rowold J. 2018. Construct proliferation in leadership style research: reviewing pro and contra arguments. Organ. Psychol. Rev. 8(2–3):149–73. https://doi.org/10.1177/2041386618794821

Bradley KJ, Aguinis H. 2023. Team performance: nature and antecedents of nonnormal distributions. Organ. Sci. 34(3):1266–86. https://doi.org/10.1287/orsc.2022.1619

Braun NC. 2019. Exploring the relationship between stars and team performance: the mediating role of peer feedback quality. PhD Diss., Auburn University. https://auetd.auburn.edu/bitstream/handle/10415/6895/Braun%20Final%20Dissertation.pdf?sequence=2&isAllowed=y

Buehring GC, Buehring JE, Gerard PD. 2007. Lost in citation: vanishing visibility of senior authors. Scientometrics 72(3):459–68. https://doi.org/10.1007/s11192-007-1762-4

Burt RS. 2004. Structural holes and good ideas. Am. J. Sociol. 110(2):349–99. https://doi.org/10.1086/421787

Caligiuri PM, Collings DG, De Cieri H, Lazarova MB. 2024. Global talent management: a critical review and research agenda for the new organizational reality. Annu. Rev. Organ. Psychol. Organ. Behav. 11:393–421. https://doi.org/10.1146/annurev-orgpsych-111821-033121

Call ML, Campbell EM, Dunford BB, Boswell WR, Boss RW. 2021. Shining with the stars? Unearthing how group star proportion shapes non-star performance. Pers. Psychol. 74(3):543–72. https://doi.org/10.1111/peps.12420

Call ML, Nyberg AJ, Thatcher SMB. 2015. Stargazing: an integrative conceptual review, theoretical reconciliation, and extension for star employee research. J. Appl. Psychol. 100(3):623–40. https://doi.org/10.1037/a0039100

Cattani G, Ferriani S, Mariani MM, Mengoli S. 2013. Tackling the “Galacticos” effect: team familiarity and the performance of star-studded projects. Ind. Corp. Change 22(6):1629–62. https://doi.org/10.1093/icc/dtt001

Chen JS, Garg P. 2018. Dancing with the stars: benefits of a star employee’s temporary absence for organizational performance. Strateg. Manag. J. 39(5):1239–67. https://doi.org/10.1002/smj.2758. Erratum. 2018. Strateg. Manag. J. 39:2092

Clougherty JA, Duso T, Muck J. 2016. Correcting for self-selection based endogeneity in management research: review, recommendations and simulations. Organ. Res. Methods 19(2):286–347. https://doi.org/10.1177/1094428115619013

Collings DG, Mellahi K, Cascio WF. 2019. Global talent management and performance in multinational enterprises: a multilevel perspective. J. Manag. 45(2):540–66. https://doi.org/10.1177/0149206318757018

Crawford GC, Aguinis H, Lichtenstein B, Davidsson P, McKelvey B. 2015. Power law distributions in entrepreneurship: implications for theory and research. J. Bus. Ventur. 30(5):696–713. https://doi.org/10.1016/j.jbusvent.2015.01.001

Cucina JM, McDaniel MA. 2016. Pseudotheory proliferation is damaging the organizational sciences. J. Organ. Behav. 37(8):1116–25. https://doi.org/10.1002/job.2117

Dastin J. 2018. Amazon scraps secret AI recruiting tool that showed bias against women. Reuters, Oct. 11. https://www.reuters.com/article/world/insight-amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK0AG/

Daud A, Ahmad M, Malik MSI, Che D. 2015. Using machine learning techniques for rising star prediction in co-author network. Scientometrics 102(2):1687–711. https://doi.org/10.1007/s11192-014-1455-8

Davidov E, Meuleman B, Cieciuch J, Schmidt P, Billiet JB. 2014. Measurement equivalence in cross-national research. Annu. Rev. Sociol. 40:55–75. https://doi.org/10.1146/annurev-soc-071913-043137

Davidov E, Schmidt P, Billiet JB, eds. 2011. Cross-Cultural Analysis: Methods and Applications. Psychology Press

Djurdjevic E, Stoverink AC, Klotz AC, Koopman J, da Motta Veiga SP, et al. 2017. Workplace status: the development and validation of a scale. J. Appl. Psychol. 102(7):1124–47. https://doi.org/10.1037/apl0000202

Einstein A, Podolsky B, Rosen N. 1935. Can quantum-mechanical description of physical reality be considered complete? Phys. Rev. 47(10):777–80. https://doi.org/10.1103/PhysRev.47.777

Felton C, Stewart BM. 2024. Handle with care: a sociologist’s guide to causal inference with instrumental variables. Sociol. Methods Res. 2024:00491241241235900. https://doi.org/10.1177/00491241241235900

Ferriani S, Cattani G, Baden-Fuller C. 2009. The relational antecedents of project-entrepreneurship: network centrality, team composition and project performance. Res. Policy 38(10):1545–58. https://doi.org/10.1016/j.respol.2009.09.001

Feynman RP, Leighton RB, Sands M. 1963. The Feynman Lectures on Physics, Vol. 1: Mainly Mechanics, Radiation, and Heat. Addison-Wesley

Fragale AR, Overbeck JR, Neale MA. 2011. Resources versus respect: social judgments based on targets’ power and status positions. J. Exp. Soc. Psychol. 47(4):767–75. https://doi.org/10.1016/j.jesp.2011.03.006

Fragale AR, Rosen B, Xu C, Merideth I. 2009. The higher they are, the harder they fall: the effects of wrongdoer status on observer punishment recommendations and intentionality attributions. Organ. Behav. Hum. Decis. Process. 108(1):53–65. https://doi.org/10.1016/j.obhdp.2008.05.002

Gala K, Schwab A. 2024. Stars everywhere: revealing the prevalence of star performers using empirical data published in entrepreneurship research. J. Bus. Ventur. Insights 22:e00492. https://doi.org/10.1016/j.jbvi.2024.e00492

Gala K, Schwab A, Mueller BA. 2024. Star entrepreneurs on digital platforms: heavy-tailed performance distributions and their generative mechanisms. J. Bus. Ventur. 39(1):106347. https://doi.org/10.1016/j.jbusvent.2023.106347

Goodhart CAE. 1984. Problems of monetary management: the UK experience. In Monetary Theory and Practice. Macmillan. https://doi.org/10.1007/978-1-349-17295-5_4

Götz M, O’Boyle EH. 2023. Cobblers, let’s stick to our lasts! A song of sorrow (and of hope) about the state of personnel...

https://doi.org/10.1108/S0742-730120230000041004

Götz M, Sarma A, O’Boyle EH. 2024. The multiverse of universes: a tutorial to plan, execute and interpret multiverse analyses using the R package multiverse. Int. J. Psychol. 59(6):1003–14. https://doi.org/10.1002/ijop.13229

Greve HR. 1999. The effect of core change on performance: inertia and regression toward the mean. Adm. Sci. Q. 44(3):590–614. https://doi.org/10.2307/2666963

Grigoriou K, Rothaermel FT. 2014. Structural microfoundations of innovation: the role of relational stars. J. Manag. 40(2):586–615. https://doi.org/10.1177/0149206313513612

Groysberg B. 2010. Chasing Stars: The Myth of Talent and the Portability of Performance. Princeton University Press.

Groysberg B, Polzer JT, Elfenbein HA. 2011. Too many cooks spoil the broth: how high-status individuals decrease group effectiveness. Organ. Sci. 22(3):722–37. https://doi.org/10.1287/orsc.1100.0547

Gusenbauer M. 2024. Searchsmart.org: guiding researchers to the best databases and search systems for systematic reviews and beyond. Res. Synth. Methods 15(6):1200–13. https://doi.org/10.1002/jrsm.1746

Haddaway NR, Grainger MJ, Gray CT. 2022. Citationchaser: a tool for transparent and efficient forward and backward citation chasing in systematic searching. Res. Synth. Methods 13(4):533–45. https://doi.org/10.1002/jrsm.1563

Hamlen WA. 1991. Superstardom in popular music: empirical evidence. Rev. Econ. Stat. 73(4):729–33. https://doi.org/10.2307/2109415

Han S, Ravid SA. 2020. Star turnover and the value of human capital—evidence from Broadway shows. Manag. Sci. 66(2):958–78. https://doi.org/10.1287/mnsc.2018.3177

Hendricks JL, Call ML, Campbell EM. 2023. High performer peer effects: a review, synthesis, and agenda for future research. J. Manag. 49(6):1997–2029. https://doi.org/10.1177/01492063221138225

Henrich J, Heine SJ, Norenzayan A. 2010a. Most people are not WEIRD. Nature 466(7302):29. https://doi.org/10.1038/466029a

Henrich J, Heine SJ, Norenzayan A. 2010b. The weirdest people in the world? Behav. Brain Sci. 33(2–3):61–83. https://doi.org/10.1017/S0140525X0999152X

Hill AD, Johnson SG, Greco LM, O’Boyle EH, Walter SL. 2021. Endogeneity: a review and agenda for the methodology-practice divide affecting micro and macro research. J. Manag. 47(1):105–43. https://doi.org/10.1177/0149206320960533

Hohberger J. 2016. Does it pay to stand on the shoulders of giants? An analysis of the inventions of star inventors in the biotechnology sector. Res. Policy 45(3):682–98. https://doi.org/10.1016/j.respol.2015.12.003

House RJ, Hanges PJ, Javidan M, Dorfman PW, Gupta V, eds. 2004. Culture, Leadership, and Organizations: The GLOBE Study of 62 Societies. SAGE Publications.

Huber J, Inoua S, Kerschbamer R, König-Kersting C, Palan S, Smith VL. 2022. Nobel and novice: Author prominence affects peer review. PNAS 119(41):e2205779119. https://doi.org/10.1073/pnas.2205779119

Ichniowski C, Preston A. 2014. Do star performers produce more stars? Peer effects and learning in elite teams. NBER Work. Pap. 20478. https://doi.org/10.3386/w20478

Johns G. 2006. The essential impact of context on organizational behavior. Acad. Manag. Rev. 31(2):386–408. https://doi.org/10.5465/AMR.2006.20208687

Johns G. 2018. Advances in the treatment of context in organizational research. Annu. Rev. Organ. Psychol. Organ. Behav. 5:21–46. https://doi.org/10.1146/annurev-orgpsych-032117-104406

Joo H, Aguinis H, Lee J, Kremer H, Villamor I. 2022. HRM’s financial value from obtaining more star performers. Int. J. Hum. Resour. Manag. 33(21):4179–214. https://doi.org/10.1080/09585192.2021.1948890

Kakkar H, Sivanathan N, Gobel MS. 2020. Fall from grace: the role of dominance and prestige in the punishment of high-status actors. Acad. Manag. J. 63(2):530–53. https://doi.org/10.5465/amj.2017.0729

Karakowsky L, Kotlyar I. 2021. When rising stars falter: high potential status as an impediment to learning from failure. В кн. The Routledge Companion to Talent Management, под ред. I Tarique. Routledge. https://doi.org/10.4324/9781315474687-32

Kehoe RR, Collings DG, Cascio WF. 2023. Simply the best? Star performers and high-potential employees: critical reflections and a path forward for research and practice. Pers. Psychol. 76(2):585–615. https://doi.org/10.1111/peps.12558

Kehoe RR, Lepak DP, Bentley FS. 2018. Let’s call a star a star: task performance, external status, and exceptional contributors in organizations. J. Manag. 44(5):1848–72. https://doi.org/10.1177/0149206316628644

Kehoe RR, Tzabbar D. 2015. Lighting the way or stealing the shine? An examination of the duality in star scientists’ effects on firm innovative performance. Strateg. Manag. J. 36(5):709–27. https://doi.org/10.1002/smj.2240

Kim J, Makadok R. 2022. Where the stars still shine: some effects of star-performers-turned-managers on organizational performance. Strateg. Manag. J. 43(12):2629–66. https://doi.org/10.1002/smj.3398

Krampe RT, Ericsson KA. 1996. Maintaining excellence: deliberate practice and elite performance in young and older pianists. J. Exp. Psychol. 125(4):331–59. https://doi.org/10.1037/0096-3445.125.4.331

Lamont M. 2012. Toward a comparative sociology of valuation and evaluation. Annu. Rev. Sociol. 38:201–21. https://doi.org/10.1146/annurev-soc-070308-120022

Lang JWB, Zettler I, Ewen C, Hülsheger UR. 2012. Implicit motives, explicit traits, and task and contextual performance at work. J. Appl. Psychol. 97(6):1201–17. https://doi.org/10.1037/a0029556

Lehmann AC, Gruber H. 2006. Music. В кн. The Cambridge Handbook of Expertise and Expert Performance, под ред. KA Ericsson, N Charness, PJ Feltovich, RR Hoffman. Cambridge University Press.

Light RJ, Singer JD, Willett JB. 1990. By Design: Planning Research on Higher Education. Harvard University Press.

Liu H, Mihm J, Sosa ME. 2018. Where do stars come from? The role of star versus nonstar collaborators in creative settings. Organ. Sci. 29(6):1149–69. https://doi.org/10.1287/orsc.2018.1223

Liu L, Kilduff M, Lee SY, Fisher CM. 2025. Buffered by reflected glory? The effects of star connections on career outcomes. J. Appl. Psychol. https://doi.org/10.1037/apl0001293

Maxwell SE, Delaney HD. 1993. Bivariate median splits and spurious statistical significance. Psychol. Bull. 113(1):181–90. https://doi.org/10.1037/0033-2909.113.1.181

McClelland GH, Lynch JG, Irwin JR, Spiller SA, Fitzsimons GJ. 2015. Median splits, Type II errors, and false-positive consumer psychology: Don’t fight the power. J. Consum. Psychol. 25(4):679–89. https://doi.org/10.1016/j.jcps.2015.05.006

Merton RK. 1968. The Matthew effect in science: the reward and communication systems of science are considered. Science 159(3810):56–63. https://doi.org/10.1126/science.159.3810.56

Minbaeva D, Collings DG. 2013. Seven myths of global talent management. Int. J. Hum. Resour. Manag. 24(9):1762–76. https://doi.org/10.1080/09585192.2013.777539

Mindruta D, Bercovitz J, Mares V, Feldman M. 2025. Stars in their constellations: great person or great team? Manag. Sci. 71(3):2170–91. https://doi.org/10.1287/mnsc.2021.01969

Mitchell TR, James LR. 2001. Building better theory: time and the specification of when things happen. Acad. Manag. Rev. 26(4):530–47. https://doi.org/10.2307/3560240

Mohnen M. 2022. Stars and brokers: knowledge spillovers among medical scientists. Manag. Sci. 68(4):2513–32. https://doi.org/10.1287/mnsc.2021.4032

Morris SS, Alvarez SA, Barney JB. 2021a. Dancing with the stars: the practical value of theory in managing star employees. Acad. Manag. Perspect. 35(2):248–64. https://doi.org/10.5465/amp.2017.0223

Morris SS, Oldroyd J, Bahr K. 2021b. It’s crowded at the top: how to retain and reward star employees. В кн. The Routledge Companion to Talent Management, под ред. I Tarique. Routledge. https://doi.org/10.4324/9781315474687-31

Muller JZ. 2018. The Tyranny of Metrics. Princeton University Press.

Murphy KR, Cleveland JN. 1995. Understanding Performance Appraisal: Social, Organizational, and Goal-Based Perspectives. SAGE Publications.

Murstein BI. 2003. Regression to the mean: one of the most neglected but important concepts in the stock market. J. Behav. Financ. 4(4):234–37. https://doi.org/10.1207/s15427579jpfm0404_6

Muthukrishna M, Bell AV, Henrich J, Curtin CM, Gedranovich A, et al. 2020. Beyond Western, educated, industrial, rich, and democratic (WEIRD) psychology: measuring and mapping scales of cultural and psychological distance. Psychol. Sci. 3...

и вознаграждение звездных сотрудников. В кн. The Routledge Companion to Talent Management, под ред. I Tarique. Routledge. https://doi.org/10.4324/9781315474687-31

Muller JZ. 2018. The Tyranny of Metrics. Princeton University Press.

Murphy KR, Cleveland JN. 1995. Understanding Performance Appraisal: Social, Organizational, and Goal-Based Perspectives. SAGE Publications.

Murstein BI. 2003. Regression to the mean: one of the most neglected but important concepts in the stock market. J. Behav. Financ. 4(4):234–37. https://doi.org/10.1207/s15427579jpfm0404_6

Muthukrishna M, Bell AV, Henrich J, Curtin CM, Gedranovich A, et al. 2020. Beyond Western, educated, industrial, rich, and democratic (WEIRD) psychology: measuring and mapping scales of cultural and psychological distance. Psychol. Sci. 31(6):678–701. https://doi.org/10.1177/0956797620916782

Nemeth CJ. 1997. Managing innovation: when less is more. Calif. Manag. Rev. 40(1):59–74. https://doi.org/10.2307/41165922

Neuberg SL, Kenrick DT, Schaller M. 2010. Evolutionary social psychology. В кн. Handbook of Social Psychology, Т. 2, под ред. ST Fiske, DT Gilbert, G Lindzey. John Wiley & Sons. 5-е изд. https://doi.org/10.1002/9780470561119.socpsy002021

Nye CD, Ma J, Wee S. 2022. Cognitive ability and job performance: meta-analytic evidence for the validity of narrow cognitive abilities. J. Bus. Psychol. 37(6):1119–39. https://doi.org/10.1007/s10869-022-09796-1

O’Boyle EH, Aguinis H. 2012. The best and the rest: revisiting the norm of normality of individual performance. Pers. Psychol. 65(1):79–119. https://doi.org/10.1111/j.1744-6570.2011.01239.x

O’Boyle EH, Götz M, Zivic DC. 2023. Gone fishin’: addressing completeness, accuracy, and representativeness in the search and coding processes of meta-analyses in the organizational sciences. J. Bus. Psychol. 38(4):723–42. https://doi.org/10.1007/s10869-023-09890-y

O’Boyle EH, Kroska S. 2017. Star performers. В кн. The Oxford Handbook of Talent Management, под ред. DG Collings, K Mellahi, WF Cascio. Oxford University Press. https://doi.org/10.1093/oxfordhb/9780198758273.013.12

Obschonka M, Fisch C, Boyd R. 2017. Using digital footprints in entrepreneurship research: a Twitter-based personality analysis of superstar entrepreneurs and managers. J. Bus. Ventur. Insights 8:13–23. https://doi.org/10.1016/j.jbvi.2017.05.005

Ostroff C. 2019. Contextualizing context in organizational research. В кн. The Handbook of Multilevel Theory, Measurement, and Analysis, под ред. SE Humphrey, JM LeBreton. American Psychological Association. https://doi.org/10.1037/0000115-003

Oyserman D, Coon HM, Kemmelmeier M. 2002. Rethinking individualism and collectivism: evaluation of theoretical assumptions and meta-analyses. Psychol. Bull. 128(1):3–72. https://doi.org/10.1037/0033-2909.128.1.3

Ramani RS, Aguinis H, Coyle-Shapiro JA-M. 2022. Defining, measuring, and rewarding scholarly impact: mind the level of analysis. Acad. Manag. Learn. Educ. 21(3):470–86. https://doi.org/10.5465/amle.2021.0177

Ravlin EC, Thomas DC. 2005. Status and stratification processes in organizational life. J. Manag. 31(6):966–87. https://doi.org/10.1177/0149206305279898

Reh S, Tröster C, Van Quaquebeke N. 2018. Keeping (future) rivals down: Temporal social comparison predicts coworker social undermining via future status threat and envy. J. Appl. Psychol. 103(4):399–415. https://doi.org/10.1037/apl0000281

Rigney D. 2010. The Matthew Effect: How Advantage Begets Further Advantage. Columbia University Press.

Rosen S. 1981. The economics of superstars. Am. Econ. Rev. 71(5):845–58.

Rua-Gomez C, Carnabuci G, Goossen MC. 2023. Reaching for the stars: how gender influences the formation of high-status collaboration ties. Acad. Manag. J. 66(5):1501–28. https://doi.org/10.5465/amj.2021.0218

Rucker DD, McShane BB, Preacher KJ. 2015. A researcher’s guide to regression, discretization, and median splits of continuous variables. J. Consum. Psychol. 25(4):666–78. https://doi.org/10.1016/j.jcps.2015.04.004

Sackett PR, Demeke S, Bazian IM, Griebie AM, Priest R, Kuncel NR. 2024. A contemporary look at the relationship between general cognitive ability and job performance. J. Appl. Psychol. 109(5):687–713. https://doi.org/10.1037/apl0001159

Sackett PR, Zedeck S, Fogli L. 1988. Relations between measures of typical and maximum job performance. J. Appl. Psychol. 73(3):482–86. https://doi.org/10.1037/0021-9010.73.3.482

Sarker S, Sarker S, Kirkeby S, Chakraborty S. 2011. Path to “stardom” in globally distributed hybrid teams: an examination of a knowledge-centered perspective using social network analysis. Decis. Sci. 42(2):339–70. https://doi.org/10.1111/j.1540-5915.2011.00314.x

Schmidt FL, Hunter J. 2004. General mental ability in the world of work: occupational attainment and job performance. J. Personal. Soc. Psychol. 86(1):162–73. https://doi.org/10.1037/0022-3514.86.1.162

Schmutz V. 2005. Retrospective cultural consecration in popular music: Rolling Stone’s greatest albums of all time. Am. Behav. Sci. 48(11):1510–23. https://doi.org/10.1177/0002764205276617

Shadish WR, Cook TD, Campbell DT. 2002. Experimental and Quasi-Experimental Designs for Generalized Causal Inference. Houghton Mifflin.

Smith G, Smith J. 2005. Regression to the mean in average test scores. Educ. Assess. 10(4):377–99. https://doi.org/10.1207/s15326977ea1004_4

Solow JL, Krautmann AC. 2020. Do you get what you pay for? Salary and ex ante player value in Major League Baseball. J. Sports Econ. 21(7):705–22. https://doi.org/10.1177/1527002520930259

Steegen S, Tuerlinckx F, Gelman A, Vanpaemel W. 2016. Increasing transparency through a multiverse analysis. Perspect. Psychol. Sci. 11(5):702–12. https://doi.org/10.1177/1745691616658637

Taylor EC, Bendickson JS. 2021. Star performers, unit performance and unit turnover: a constructive replication. Hum. Resour. Manag. J. 31(4):977–94. https://doi.org/10.1111/1748-8583.12336

Terry RP, McGee JE, Kass MJ, Collings DG. 2023. Assessing star value: the influence of prior performance and visibility on compensation strategy. Hum. Resour. Manag. J. 33(2):307–27. https://doi.org/10.1111/1748-8583.12446

Ulrich MD, Call ML. 2025. Pay premiums and peer spillovers: unpacking the value proposition of employing stars as they age. J. Manag. 51(4):1418–52. https://doi.org/10.1177/01492063231210249

Van Zelderen APA, Masters-Waage TC, Dries N, Menges JI, Sanchez DR. 2024. Simulating virtual organizations for research: a comparative empirical evaluation of text-based, video, and virtual reality video vignettes. Organ. Res. Methods 2024:10944281241246770. https://doi.org/10.1177/10944281241246770

Vandenberg RJ, Lance CE. 2000. A review and synthesis of the measurement invariance literature: suggestions, practices, and recommendations for organizational research. Organ. Res. Methods 3(1):4–70. https://doi.org/10.1177/109442810031002

Velthuis O. 2005. Talking Prices: Symbolic Meanings of Prices on the Market for Contemporary Art. Princeton Univ. Press.

White CS, James K, Burke LA, Allen RS. 2012. What makes a “research star”? Factors influencing the research productivity of business faculty. Int. J. Product. Perform. Manag. 61(6):584–602. https://doi.org/10.1108/17410401211249175

Wiseman RM. 2009. On the use and misuse of ratios in strategic management research. В кн. Research Methodology in Strategy and Management, Т. 5, под ред. DD Bergh, DJ Ketchen. Emerald. https://doi.org/10.1108/S1479-8387(2009)0000005004

Yuki M, Maddux WW, Masuda T. 2007. Are the windows to the soul the same in the East and West? Cultural differences in using the eyes and mouth as cues to recognize emotions in Japan and the United States. J. Exp. Soc. Psychol. 43(2):303–11. https://doi.org/10.1016/j.jesp.2006.02.004

Zhou J, Li N, Xu S, Chi W. 2025. High performers in the shadow: the adverse effect of star employees on their peers. J. Appl. Psychol. 110(6):776–97. https://doi.org/10.1037/apl0001254