MétaCan
Menu
Retour à la cohorte
Enregistrement W2003561131 · doi:10.1037/0021-9010.93.5.1155

The ripple effect of personality on social structure: Self-monitoring origins of network brokerage.

2008· article· en· W2003561131 sur OpenAlexaboutno aff
Hongseok Oh, Martín Kilduff

Notice bibliographique

RevueJournal of Applied Psychology · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExpatriatePersonalitySelf-monitoringPsychologySocial psychologyPosition (finance)Strong tiesInterpersonal tiesRippleSelfBusinessFinancePolitical science

Résumé

récupéré en direct d'OpenAlex

Despite growing interest in social network brokerage, its psychological antecedents have been neglected. One possibility is that brokerage relates to self-monitoring personality orientation. High self-monitors, relative to low self-monitors, in adapting their self-presentations to the demands of different groups, may occupy positions as brokers between disconnected social worlds. For 162 Korean expatriate entrepreneurs in a Canadian urban area, the results showed that those high in self-monitoring tended to occupy direct brokerage roles within the Korean community--in terms of their direct acquaintances being unconnected with each other. Those high in self-monitoring also tended to occupy indirect brokerage roles--in terms of the acquaintances of their acquaintances being unconnected with each other. Finally, for recent arrivals, those high in self-monitoring tended to establish ties to a wider range of important non-Korean position holders outside the community. These results (which controlled for strongly significant effects of network size on individuals' brokerage within the community) suggest a ripple effect of self-monitoring on social structure and contribute to a clearer understanding of how personality relates to brokerage at different levels.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,359
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations206
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PsychologyMême sujetImpact of Technology on AdolescentsTravaux en français237 207