Transformational leadership and employee voice: a model of proactive motivation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Drawing on the model of proactive motivation, the purpose of this paper is to examine how transformational leadership influences followers’ voice behavior through three proactive motivation states, namely, “reason to,” “can do” and “energized to.” It also examines the moderating role of followers’ proactive personality in the relationship between transformational leadership and employee voice. Design/methodology/approach The online survey was distributed through Qualtrics using a two-wave design. In total, 1,454 participants completed the survey at Time 1, of those 447 also completed the survey at Time 2. Findings Transformational leadership influences employee voice via followers’ promotion focus, role-breadth self-efficacy and affective commitment. Followers’ proactive personality attenuates the impact of transformational leadership on voice, supporting the substitute for leadership hypothesis. Research limitations/implications Self-reported data are the main limitation of the present study. Other limitations include treating employee voice as a unidimensional construct and oversimplifying the impact of positive affect on voice. Practical implications The present study suggests that training managers to demonstrate more transformational leadership behavior, enhancing employees’ proactive motivation and hiring proactive individuals are strategies to facilitate employee voice. Originality/value The present study contributes to a better understanding of employee voice from a proactive motivation perspective. It also demonstrates that followers’ proactive personality is important “boundary condition” to transformational leadership.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle