MétaCan
Menu
Retour à la cohorte
Enregistrement W3021942405 · doi:10.1177/2158244020919508

Dynamics of Emotional Intelligence and Empowerment: The Perspectives of Middle Managers

2020· article· en· W3021942405 sur OpenAlexafffund
Sonia Udod, Karon Hammond-Collins, Megan Jenkins

Notice bibliographique

RevueSAGE Open · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueEmotional Intelligence and Performance
Établissements canadiensProvidence Health Care Research InstituteUniversity of SaskatchewanUniversity of Manitoba
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPsychologyEmpowermentSocial psychologyCreativityFeelingPerceptionInterpersonal communicationEmotional intelligenceJob satisfactionConstruct (python library)Public relationsApplied psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

This study examines employee perspectives of leader behavior to better understand how these perspectives influence and shape employee work experiences. Creating empowering work environments in today’s workplace is an ongoing challenge for leaders and managers. Research has shown that leaders who work to build interpersonal relationships with workplace subordinates are using emotional intelligence (EI) to lead individuals to work more effectively, and thereby increase overall job satisfaction. We employed a qualitative descriptive design using in-depth interviews to elicit and explore managers’ perceptions of their leader’s behaviors and their own sense of empowerment in the workplace. We present the findings within two major categories: perception of leader’s behavior and feelings of empowerment. This study adds to the body of evidence that demonstrates how the use of leadership skills that focus on the EI construct is necessary to build relationships and empower employees, thus creating conditions for creativity in the workplace.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,008
Communication savante0,0080,004
Science ouverte0,0000,003
Intégrité de la recherche0,0010,003
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 Opus0,069
Tête enseignante GPT0,344
Écart entre enseignants0,275 · 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

Citations55
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSAGE OpenMême sujetEmotional Intelligence and PerformanceTravaux en français237 207