MétaCan
Menu
Retour à la cohorte
Enregistrement W2903818181 · doi:10.1177/0018726718810105

Positively vivid visions: Making followers feel capable and happy

2018· article· en· W2903818181 sur OpenAlexafffund
John Fiset, Kathleen Boies

Notice bibliographique

RevueHuman Relations · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensConcordia UniversityMemorial University of Newfoundland
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésVisionPsychologyTone (literature)Social psychologyWork (physics)Sociology

Résumé

récupéré en direct d'OpenAlex

A number of leadership theories have highlighted the positive impact that a leader’s vision can have on follower outcomes. Although significant research has examined the impact of vision, our understanding of the mechanisms underlying this relationship is incomplete. Here, we use self-concept-based theory (Shamir et al., 1993) to explore how the strength of the vision being propounded and the way that it is expressed by leaders influence collective work beliefs. Using a matched sample of teachers and principals, we observe that inspirational visions are positively associated with group affective tone and that future-oriented visions are positively associated with collective efficacy and group affective tone, with all relationships mediated by visioning behaviour. Thus, employees whose leaders exhibit strong visions feel more collectively capable (higher levels of collective efficacy) and happier (higher levels of group affective tone) than employees whose leaders exhibit weak visions, especially when messages are delivered in an emotionally positive way. We conclude that visions contain distinct vision strength themes that differ in terms of their motivating capacity and offer important practical implications and suggestions for future research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,271
Écart entre enseignants0,251 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations18
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHuman RelationsMême sujetJob Satisfaction and Organizational BehaviorTravaux en français237 207