A meta-analysis of Fiedler’s Contingency model of leadership effectiveness
Notice bibliographique
Résumé
Fiedler's Contingency Model of Leadership Effectiveness is widely cited, yet highly controversial. The present study subjected Fiedler-based studies to a meta-analysis to determine whether a body of consistent findings would emerge. If such findings did emerge, the aim would be to develop a theoretical framework which would adequately explain them. If they did not, the study would try to explain their absence. The original pool of 402 documents contained 112 primary studies. Of these studies, 38 met the criteria of quality, comparability, and extent of adherence to Fiedler's Model needed for retention in the meta-analysis. These 38 studies contained 249 LPC-performance correlations. These correlations were first analyzed for frequency of support for Fiedler's Model using two indicators: (1) the primary study authors' stated conclusions and (2) directional congruency with Fiedler's predictions. Full or partial support was concluded by 15% and 63%, respectively, of the authors. Directional congruency yielded 54% support and 46% non-support. The second phase of the analysis, in which the within-octant correlations were partitioned by eight different variables, examined both the magnitude and direction using median correlations as the common metric. The extensive disparity between the obtained medians and those predicted by Fiedler led to a third examination using Exploratory Data Analysis techniques. This analysis showed that, regardless of the variable used, there were within-octant differences which prevented not only combining the partitioned data sets but also continuing the meta-analysis. An analysis of the methodological variability in the studies yielded findings important to the continued use of Fiedler's Model. These findings led to several recommendations intended to standardize testing procedures. These recommendations included suggestions regarding greater standardization of score division methods for LPC and GAS, assessment of the three situational variables, and criteria by which to assess support for the Model. Until such standardization is achieved, the validity of Fiedler's Model can be neither confirmed nor disconfirmed.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».