Attaining elite leadership: career development and childhood socioeconomic status
Notice bibliographique
Résumé
Purpose The existence of disadvantaged sub-populations whose talents are under-leveraged is a problem faced by developing and developed countries alike. Life history data revealed that a large proportion of elite business leaders in the Caribbean emerged from childhood poverty (families subsisting on US$1-2 a day, 40 percent). The purpose of this paper is to examine the key factors supporting the career development of elite leaders from a broad socioeconomic spectrum and both genders in order to build a model of career development for elite leadership. Design/methodology/approach Data were collected via in-depth interviews from a deliberately gender-balanced sample of 39 male and 39 female elite business leaders. Thematic analysis identified consistencies across independent interviews and resulted in a model identifying factors supporting pre-career development as key to eventual attainment of elite leadership. Findings Findings indicated that in childhood and youth, proactivity plus talent recognition and mentoring by adults enhanced access to early developmental opportunities. Early career mentoring guided talented youth to build personal drive, self-esteem, altruism, and integrity, which created a foundation for developing career capital through values-based action. Altogether, these findings indicate the importance of pre-career relational capital to attainment of elite career success. Originality/value Difficult-to-access elite leaders provided rich information emphasizing the importance of pre-career development in childhood and youth to eventual elite leadership attainment. Virtually all of the elites in the sample remember being identified as talented early in life and consider early messages about drive to achieve as well as support received from parents, teachers, and other interested adults to be critical to their success. Hence, a process of talent recognition and encouragement to excel appear to be crucial for connecting young people to important relational capital allowing them to eventually achieve elite status, particularly those individuals hailing from disadvantaged backgrounds.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».