MétaCan
Menu
Retour à la cohorte
Enregistrement W3123471466 · doi:10.3390/su13031352

Future Work Self and Employee Creativity: The Mediating Role of Informal Field-Based Learning for High Innovation Performance

2021· article· en· W3123471466 sur OpenAlexaff
Qichao Zhang, Zhenzhong Ma, Long Ye, Ming Guo, Shuzhen Liu

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensUniversity of Windsor
Organismes subventionnairesFundamental Research Funds for the Central Universities
Mots-clésCreativityPersonalityPsychologyConsistency (knowledge bases)Knowledge managementValue (mathematics)Field (mathematics)Social psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

In today’s highly uncertain environment, the value of creativity and innovation are increasingly critical. How individuals could improve their creativity and innovation performance has become the focus of attention. Future work self as an intrinsic motivation factor plays an important role in creativity and innovation. Based on the self-consistency theory, this study integrated proactive personality and informal field-based learning (IFBL) to explore the relationship between future work self and employee creativity to increase innovation performance. It used data from 201 R&D department employees in China’s high-tech companies. The results show that future work self has a positive effect on employee creativity and that IFBL mediates the relationship between future work self and employee creativity. This process is then positively moderated by a proactive personality. This study’s results help clarify the formation mechanism of creativity from the perspective of intrinsic motivation and indicate that future work self can drive individuals’ creativity and innovation efforts, especially under the consistency of self-concept, motivation and personality. This research also emphasizes the importance of IFBL in improving individual creativity and further organizational innovation performance. Implications for theory and management to help improve creativity and innovation performance are then discussed in detail.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,069
Score d'incertitude au seuil0,298

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,309
Écart entre enseignants0,299 · 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 tête enseignante, 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

Citations24
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetCreativity in Education and NeuroscienceTravaux en français237 207