Age Differences in Leadership Positions Across Cultures
Notice bibliographique
Résumé
In most countries around the world, the population is rapidly aging. A by-product of these demographic shifts is that older adults will likely occupy more positions of power and influence in our societies than ever before. Further, cultural differences might shape how these transitions unfold around the globe. Across two studies, we investigated whether business and political leaders differed in age across various cultures. Study 1 ( N = 1,034) showed that business leaders were significantly older in Eastern (e.g., China, India, and Japan) cultures than Western (e.g., United States, Sweden, and United Kingdom) cultures, even while controlling for population structure (e.g., percentage of elderly in the society), gross domestic product (GDP), and wealth distribution across the population (GINI). Study 2 ( N = 1,268) conceptually replicated these findings by showing that political leaders were once again older in Eastern vs. Western cultures. Furthermore, cultural tightness mediated the relationship between culture and older leadership. These findings highlight how cultural differences impact not only our preferences, but also important outcomes in consequential domains such as business and politics. Potential explanations for why cultural tightness may be related to differences in leader age across cultures are discussed. To build on these findings, future research should assess the potential causal mechanisms underlying the cultural effect on leader age, and explore the various practical implications of this effect.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».