Does Family Life Help to be a Better Leader? A Closer Look at Crossover Processes From Leaders to Followers
Notice bibliographique
Résumé
Although research on family‐to‐work processes is accumulating, not many studies have looked at how the leader's family issues spillover to work and what the consequences are for their followers. We investigate whether leaders’ family‐to‐work conflict (FWC) and enrichment (FWE) influence first their own well‐being at work (i.e., job burnout and work engagement) and consequently the well‐being of their followers due to crossover processes. We test whether crossover is due to the transfer of emotions from the leader to followers (affective crossover) or due to diminished or enhanced support from the leader (behavioral crossover). Using a sample of 199 leaders and 456 followers, we found that leader FWC (Time 1) was positively related to leader feelings of burnout 4 weeks later (Time 2), consequently enhancing follower feelings of burnout 5 weeks after Time 1 (Time 3). Similarly, leader FWE had a positive relationship with follower engagement, through leader enhanced engagement. Our findings fully supported the affective crossover mechanism. In addition, leader burnout was negatively related to leader supportive behavior, indirectly increasing burnout among followers. Our results underscore that leaders’ family life matters at work, influencing not only their own well‐being but also how they motivate and support their followers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».