MétaCan
Menu
Retour à la cohorte
Enregistrement W3203236686 · doi:10.1016/j.lrp.2021.102144

Emotion in strategic management: A review and future research agenda

2021· review· en· W3203236686 sur OpenAlexaff
Ethel Brundin, Feng Liu, Thomas Cyron

Notice bibliographique

RevueLong Range Planning · 2021
Typereview
Langueen
DomainePsychology
ThématiqueEmotions and Moral Behavior
Établissements canadiensSaint Mary's University
Organismes subventionnairesnon disponible
Mots-clésExtant taxonScope (computer science)Strategic managementStrategic controlPsychologyThematic analysisField (mathematics)PoliticsPower (physics)Strategic planningKnowledge managementStrategic financial managementSociologyBusinessPolitical scienceMarketingComputer scienceSocial scienceQualitative research

Résumé

récupéré en direct d'OpenAlex

Emotion in strategic management has attracted increasing scholarly interest during the past twenty-five years. Researchers have demonstrated the nature and significance of emotion in strategic management from a broad range of perspectives across different levels of analysis. Given the expanding research on the topic, the time is ripe to synthesize this diverse and multifaceted body of knowledge. In a thematic synthesis of the literature, we address the following questions: how does emotion influence strategic management, and how can the field be further developed? We review emotion constructs used in the extant literature and identify three themes related to how emotions influence strategic management: the nonconscious influence of emotions, emotion regulation, and collective emotions. Based on these themes and our analysis, we propose three areas of future research to inspire the field to develop further: (1) scope conditions of emotion research in strategic management; (2) capturing emotion in strategic management; and (3) the ethics, power and politics of emotions in strategic management.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,383
Tête enseignante GPT0,520
Écart entre enseignants0,137 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations101
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLong Range PlanningMême sujetEmotions and Moral BehaviorTravaux en français237 207