Identity Leadership, Employee Burnout and the Mediating Role of Team Identification: Evidence from the Global Identity Leadership Development Project
Notice bibliographique
Résumé
Do leaders who build a sense of shared social identity in their teams thereby protect them from the adverse effects of workplace stress? This is a question that the present paper explores by testing the hypothesis that identity leadership contributes to stronger team identification among employees and, through this, is associated with reduced burnout. We tested this model with unique datasets from the Global Identity Leadership Development (GILD) project with participants from all inhabited continents. We compared two datasets from 2016/2017 (n = 5290; 20 countries) and 2020/2021 (n = 7294; 28 countries) and found very similar levels of identity leadership, team identification and burnout across the five years. An inspection of the 2020/2021 data at the onset of and later in the COVID-19 pandemic showed stable identity leadership levels and slightly higher levels of both burnout and team identification. Supporting our hypotheses, we found almost identical indirect effects (2016/2017, b = −0.132; 2020/2021, b = −0.133) across the five-year span in both datasets. Using a subset of n = 111 German participants surveyed over two waves, we found the indirect effect confirmed over time with identity leadership (at T1) predicting team identification and, in turn, burnout, three months later. Finally, we explored whether there could be a “too-much-of-a-good-thing” effect for identity leadership. Speaking against this, we found a u-shaped quadratic effect whereby ratings of identity leadership at the upper end of the distribution were related to even stronger team identification and a stronger indirect effect on reduced burnout.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».