Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine the influence of grit, which is the tendency to pursue long-term goals with perseverance and continuing passion, on leaders’ self-reported behavior in terms of role modeling and innovating, as well as inspiring, empowering and supporting followers. Design/methodology/approach Data were collected from an international sample of 3,702 leaders in work and non-work contexts. They reported their level of grit and how frequently they engaged in five leadership practices. Moderation analysis was used to test the influence of grit on leadership behaviors across contexts. Findings High grit leaders reported more frequent role modeling and innovating behaviors, but less inspiring behavior. Grit’s effect on empowering behaviors depended on the context; grit caused leaders to empower followers more in non-work contexts, but not in work-related ones. Research limitations/implications That grit is an important predictor of leadership behavior yields both practical and theoretical implications. For practice, the results suggest that grit is a desirable trait in managers, corresponding with their greater use of various leadership behaviors. For theory, the results suggest that part of the effect of traits in leadership arises from influencing the frequency with which leaders engage in particular behaviors. Originality/value This is the first study to examine grit’s role in leadership, and it has practical and theoretical implications. For practice, the results suggest that grit is a desirable trait in leaders, but one which requires unique supports from the leader’s environment. For theory, the results begin to fill an important gap. It is well-established that personality influences leadership outcomes, but it remains uncertain how and when. The current study suggests how, since traits influence the frequency with which leaders engage in particular behaviors, and begins to define when, highlighting differences between work and non-work contexts.
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 | 0,007 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».