MétaCan
Menu
Retour à la cohorte
Enregistrement W4286666926 · doi:10.5465/ambpp.2022.10919abstract

Trait Resilience: Jingle Fallacy or Triangulation?

2022· article· en· W4286666926 sur OpenAlexaff
Mehri E. Baloochi, Arran Caza

Notice bibliographique

RevueAcademy of Management Proceedings · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensAlberta Health
Organismes subventionnairesnon disponible
Mots-clésTraitFallacyPsychologyOperationalizationConstruct (python library)Social psychologyResilience (materials science)Psychological resilienceCognitive psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

This study investigated conceptual and empirical concerns related to trait resilience through systematic review and meta-analysis. First, investigating multiple conceptualizations and operationalizations of trait resilience, we found imprecision and incompatibility in definitions and measures of this construct. Then, based on an analysis of 85 samples comprising 23,983 participants, we assessed whether the eight most commonly used measures of trait resilience in the organizational literature reflected a jingle fallacy (i.e., calling different constructs by the same name) or triangulation (i.e., assessing different aspects of a complex construct) across different measures. The results indicated that the specific measure used to operationalize trait resilience explained between 18% and 85% of the variance in the relationship between trait resilience and its correlates. Moreover, an item-level examination of the measures revealed little consistency across scales and uneven theoretical correspondence with the concept of trait resilience. The findings suggested the presence of a jingle fallacy in the literature. To advance the study of trait resilience and stimulate theoretically informed new research, we used the results to propose a different way of thinking about trait resilience and its measurement.

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)0,450
score de la tête « metaresearch » (Gemma)0,680
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,450
Score d'incertitude au seuil0,678

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4500,680
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0060,007
Bibliométrie0,0200,019
Études des sciences et des technologies0,0030,009
Communication savante0,0080,014
Science ouverte0,0050,010
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,023
Tête enseignante GPT0,262
Écart entre enseignants0,238 · 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.

Devis d'étudeSans objet
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207