Are Emotionally Intelligent Employees Less Likely to Hide Their Knowledge?
Notice bibliographique
Résumé
In today's knowledge‐intensive economy, organizations are constantly faced with new challenges to be more innovative (Salaman & Storey, ). Therefore, they have increasingly viewed knowledge management (KM) as an important strategy. Many have even implemented explicit knowledge sharing (KS) practices in an attempt to maintain their competitive advantage and improve performance (Hsu, ; Law & Ngai, ). However, much of the knowledge utilized by the organization is out of its control since it is held and managed at the individual level. Moreover, employees often choose to conceal this knowledge (Connellyet al., ; Peng, ; Connelly & Zweig, ; Demirkasimoglu, ) a phenomenon known as knowledge hiding (KH). This paper reviews the literature on KH and on Emotional Intelligence (EI) theory and practice, arguing that there is a potential connection between the two. Specifically, KH may be reduced, through increasedteamwork,trust, andorganizational commitment, which are all outcomes of high EI in employees. A narrative overview approach (Green et al., ) was used to find, synthesize, and review the literature. A search of the available research literature was performed across some of the major digital library sources including the Education Resources Information Center (ERIC), Emerald, Google Scholar and ProQuest databases. A meta‐synthesis was then used to integrate, evaluate, and interpret the findings. The resulting review provides a summary of the current literature and offers a rationale for conducting future research. This paper is useful for both academics and practitioners who are concerned with the incorporation of EI practices into their KM strategies. It could also provide further insight into organizational KM strategy, specifically relating to hiring, training, and promoting KM processes. Copyright © 2017 John Wiley & Sons, Ltd.
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 | 0,003 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».