MétaCan
Menu
Retour à la cohorte
Enregistrement W2802353602 · doi:10.1177/0840470417751158

Enhancing health leadership performance using neurotherapy

2018· article· en· W2802353602 sur OpenAlexaff
Paul G. Swingle, Elizabeth Hartney

Notice bibliographique

RevueHealthcare Management Forum · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience, Education and Cognitive Function
Établissements canadiensRoyal Roads University
Organismes subventionnairesnon disponible
Mots-clésNeurofeedbackPsychologyCreativityContext (archaeology)CognitionStressorMental healthPsychological resilienceMindfulnessCognitive psychologyNeuroscienceSocial psychologyClinical psychologyPsychotherapistElectroencephalography

Résumé

récupéré en direct d'OpenAlex

The discovery of neuroplasticity means the brain can change, functionally, in response to the environment and to learning. While individuals can develop harmful patterns of brain activity in response to stressors, they can also learn to modify or control neurological conditions associated with specific behaviors. Neurotherapy is one way of changing brain functioning to modify troubling conditions which can impair leadership performance, through responding to feedback on their own brain activity, and enhancing optimal leadership functioning through learning to maximize such cognitive strengths as mental efficiency, focus, creativity, perseverance, and executive functioning. The present article outlines the application of the concept of optimal performance training to organizational leadership in a healthcare context, by describing approaches to neurotherapy and illustrating their application through a case study of a health leader learning to overcome the neurological and emotional sequelae of workplace stress and trauma.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,760
Score d'incertitude au seuil0,866

Scores Codex et Gemma par catégorie

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

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 Opus0,154
Tête enseignante GPT0,354
Écart entre enseignants0,200 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcare Management ForumMême sujetNeuroscience, Education and Cognitive FunctionTravaux en français237 207