The effects of self-reflection on individual intellectual capital
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 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.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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