De te-veel-of-a-good-zaak (TMGT) effect treedt op wanneer gewoonlijk gunstig antecedenten schade veroorzaken wanneer te ver genomen. Statistisch betekent dit dat de schijnbaar monotone positieve relatie tussen de “ ood ding &rdquo en het gewenste resultaat uiteindelijk bereikt een buigpunt waarna de relatie wordt asymptotische (geen extra voordeel) of zelfs negatief (ongewenst, zoals verminderde prestaties), wat resulteert in een algemeen patroon van curvilineariteit. Hoewel empirisch bewijs voor het TMGT effect blijft groeien, waaruit blijkt gebogen effecten blijkt nog steeds een uitdaging. Het huidige voorstel heeft tot doel bij te dragen aan dit levendige gebied van onderzoek door te focussen op methodologische vraagstukken dat de bevoegdheid om dergelijke kromlijnige effecten te identificeren kunnen zijn tegengehouden. In het bijzonder richten we ons op de wijze waarop de persoonlijkheid en leiderschap doorgaans worden gemeten in organisatorisch onderzoek (dat wil zeggen, dominantie meetmodellen gebruik maken van Likert-type schalen), en hoe dit kan bijdragen aan meetfout en verminderen de kans op het vinden van kromlijnige effecten. We zullen onderzoeken drie innovatieve technieken om deze meting problemen aan te pakken, en met betrekking tot de identificatie van kromlijnige relaties te vergemakkelijken: a) de te weinig / teveel waarderingsschaal (vs. Likert-schaal); b) ideaal item response theorie (IRT) modellen (vs. dominantie-modellen); en c) het gebruik van verankering vignetten te controleren voor responsstijlen op Likert-type schalen.