MétaCan
Menu
Retour à la cohorte
Enregistrement W2954744051

RELATIONSHIP AUTHENTIC LEADERSHIP TO COACHING EFFICACY ANALYSIS

2018· article· en· W2954744051 sur OpenAlexaboutno aff
Arricha Faiza, Lia Yuldinawati

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy and Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoachingCompetitor analysisCompetition (biology)Context (archaeology)Order (exchange)Quarter (Canadian coin)Public relationsMarketingBusinessPsychologyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Increasing business conditions in the second quarter of 2017 and the number of businesses in Indonesia that increase each year, make the competition tighter and increase the number of competitors. In order to compete and survive in the fierce competition, an effort is needed that can help solve the problem. One of the solutions is to find people who can help in deal with problems and exchange ideas to grow the business. In this context, a business coach is the person. Business coaches will help to develop selfpotential and become coach as well as companion in exchange of knowledge and information. Thus, will open his mind and be able to issue ideas that can grow his business. However, there are still many who do not believe in the role of a coach who can help to develop self potential. Thus, the trust between the coach and his client must be built first. The trust between these coach-clients can be obtained from authentic leadership perceived or owned by a coach. This study aims to determine the relationship of authentic leadership to coaching efficacy. The population in this study is business coaches in Indonesia and the sample is 100 business coaches. The research method used is quantitative method. Study results indicate authentic leadership has a positive relationship to coaching efficacy. Business coaches are expected to improve self-awareness and technique during business coaching sessions.

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)0,005
score de la tête « metaresearch » (Gemma)0,034
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 enseignants0,013
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,085
Tête enseignante GPT0,286
Écart entre enseignants0,202 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFinancial Literacy and BehaviorTravaux en français237 207