Leader strategies for motivating innovation in individuals: a systematic review
Notice bibliographique
Résumé
= 375) search through EBSCOhost completed on April 6th, 2019 in addition to search engine use. Three hundred three studies were full-text reviewed yielding 82 final studies eligible for the inclusion in findings extraction. The findings were synthesized and then organized into the Expectancy-value-cost (EVC) motivation framework to isolate promotive and hindering factors. It is clear that there is an unbalanced primacy in the innovation literature in favor of business and corporate settings with very little representation from the arts or social justice sectors. There is also a common trend of using surveys of individuals in organizations within a single discipline, while interviews are rare. The paucity of studying costs of innovation in the literature is symptomatic of the primarily positive psychology approach taken by studies, rather than a framework like EVC which also considers detractive factors like costs. Numerous studies provide support for the notion that more internal motivations like intrinsic (e.g., interest) and attainment (e.g., importance, fulfillment) were more influential than external motivators like rewards as targets of strategies. Leaders should focus, whenever possible, on topics that engaged curiosity, interest, and satisfaction and, if they choose to use rewards, should focus their strategies to give related rewards; otherwise, they risk sundering the internal motivation to innovate for already interested workers.
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 | 0,009 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,004 |
| Bibliométrie | 0,030 | 0,023 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,003 |
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 ».