MétaCan
Menu
Retour à la cohorte
Enregistrement W4220824417 · doi:10.33423/jabe.v24i1.5044

Exploratory Study of Polyvagal Theory and Underlying Stress and Trauma That Influence Major Leadership Approaches

2022· article· en· W4220824417 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Applied Business and Economics · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueEmotional Intelligence and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransformational leadershipTransactional leadershipServant leadershipPsychologyLeadership studiesCognitionExploratory researchManagement scienceLeadership styleSocial psychologySociologySocial scienceEconomicsNeuroscience

Résumé

récupéré en direct d'OpenAlex

Leadership approaches have evolved to incorporate rational and non-rational processes. Traditional leadership research focused on internal and external organizational influences, but this paper underscores the need for adopting modern-day approaches for investigating leadership outcomes. Neuroscience can illuminate different cognitive effects that influence leadership. The research paper highlights the importance of attitudes towards leadership due to the complexity of modern organizational influences. The main forces highlighted are polyvagal theory, underlying stress, and trauma. A literature review provides a description of the fundamental neural and cognitive drivers of leadership. The paper also explains the findings of research studies demonstrating the correlation between neurocognitive processes and three leadership approaches: transactional, transformational and servant leadership. The discussion section elaborates these findings to determine whether insights can be applied in typical organizational settings. Lastly, the conclusion section summarizes the main deductions and explains limitations and recommendations for future exploratory investigations on rational and non-rational leadership choices. Overall, the paper attempts to justify why non-rational drivers carry equal weight as the rational influences.

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)0,000
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 enseignants0,299
Score d'incertitude au seuil0,396

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,211
Tête enseignante GPT0,297
Écart entre enseignants0,086 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Business and EconomicsMême sujetEmotional Intelligence and PerformanceTravaux en français237 207