MétaCan
Menu
Retour à la cohorte
Enregistrement W3036010442 · doi:10.1108/jic-03-2019-0043

The effects of self-reflection on individual intellectual capital

2020· article· en· W3036010442 sur OpenAlexaff
Zhining Wang, Shaohan Cai, Mengli Liu, Dandan Liu

Notice bibliographique

RevueJournal of Intellectual Capital · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Capital and Performance Analysis
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésIntellectual capitalRelational capitalReflection (computer programming)Structural capitalOriginalityHuman capitalIndividual capitalValue (mathematics)Structural equation modelingCapital (architecture)Social capitalPsychologySocial psychologyKnowledge managementEconomic capitalSociologyEconomicsComputer scienceSocial scienceEconomic growth

Résumé

récupéré en direct d'OpenAlex

Purpose The aim of this paper is to develop a tool measuring individual intellectual capital (IIC) and investigate the relationship between self-reflection and IIC. Design/methodology/approach This study developed a theoretical model based on social cognitive theory and the literature of self-reflection and intellectual capital (IC). This research collected responses from 502 dyads of employees and their direct supervisors in 150 firms in China, and the study tested the research model using structural equation modeling (SEM). Findings The results indicate that three components of self-reflection, namely, need for self-reflection, engagement in self-reflection and insight, significantly contribute to all the three components of IIC, such as individual human capital, individual structural capital and individual relational capital. The findings suggest that need for self-reflection is the weakest component to impact individual human capital and individual relationship capital, while insight is the one that mostly enhances individual structural capital. Practical implications This paper suggests that managers can enhance employees' IIC by facilitating their self-reflection. Managers can develop appropriate strategies based on findings of this study, to achieve their specific goals. Originality/value First, this study develops a tool for measuring IIC. Second, this study provides an enriched theoretical explanation on the relationship between self-reflection and IIC – by showing that the three subdimensions of self-reflection, such as need, engagement and insight, influence the three subdimensions of IIC, such as individual human capital, individual structural capital and individual relational capital.

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)0,035
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 enseignants0,005
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,035
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,018
Tête enseignante GPT0,223
Écart entre enseignants0,206 · 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

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Intellectual CapitalMême sujetIntellectual Capital and Performance AnalysisTravaux en français237 207