Research on Emotion in Organizations
Notice bibliographique
Résumé
Citation (2011), "Research on Emotion in Organizations", Härtel, C.E.J., Ashkanasy, N.M. and Zerbe, W.J. (Ed.) What Have We Learned? Ten Years On (Research on Emotion in Organizations, Vol. 7), Emerald Group Publishing Limited, Bingley, p. iii. https://doi.org/10.1108/S1746-9791(2011)0000007022 Publisher: Emerald Group Publishing Limited Copyright © 2011, Emerald Group Publishing Limited Book Chapters What Have We Learned? Ten Years On Research on Emotion in Organizations Research on Emotion in Organizations Copyright Page Dedication List of Contributors About the Editors Overview: What Have We Learned? Ten Years On Chapter 1 Synthesizing What We Know and Looking Ahead: A Meta-Analytical Review of 30 Years of Emotional Labor Research Chapter 2 Understanding the Relationship between Emotional Labor and Effort Chapter 3 Tricks of the Trade: Customer Service Employee Strategies in Performing Emotion Work Chapter 4 Sales Employee's Emotional Labor: A Question of Image or Support Chapter 5 The Role of Emotions in Supporting Independent Professionals Chapter 6 Coding Emotions in Complaint Behavior: Comparing the Shaver et al. and Richin's Consumption Emotions Sets Chapter 7 Affective Events Theory as a Framework for Understanding Third-Party Consumer Complaints Chapter 8 Display Rules and Emotional Labor within Work Teams Chapter 9 Emotional Intelligence as a Moderator of the Quality of Leader–Member Exchange and Work-Related Outcomes Chapter 10 Managing Negative Emotions in Emergency Call Taking: A Heat-Model of Emotional Management Chapter 11 The Measurement of Trait Emotional Intelligence with TEIQue-SF: An Analysis Based on Unfolding Item Response Theory Models Chapter 12 Exploring the Antecedent and Consequences of Authenticity of Emotional Expression Chapter 13 A Positive Approach to Workplace Bullying: Lessons from the Victorian Public Sector Appendix: Conference Reviewers
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 | 0,008 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,009 | 0,029 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,011 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».