MétaCan
Menu
Retour à la cohorte
Enregistrement W4309576538 · doi:10.1177/09637214221121598

Intergroup Leadership: The Challenge of Successfully Leading Fractured Groups and Societies

2022· article· en· W4309576538 sur OpenAlexafffund
Michael A. Hogg, David E. Rast

Notice bibliographique

RevueCurrent Directions in Psychological Science · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial and Intergroup Psychology
Établissements canadiensUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésSuperordinate goalsOptimal distinctiveness theoryPsychologyIdentity (music)Social psychologySocial identity theoryGroup conflictConstruct (python library)Group (periodic table)Social groupCollective identityLeadership stylePolitical science

Résumé

récupéré en direct d'OpenAlex

Leadership often involves providing leadership to a group that is structured into separate subgroups that have distinctive self-contained identities that are cherished by their members. In this respect, leadership can be characterized as intergroup leadership. The challenge of intergroup leadership is to forge a superordinate identity that does not erase or blur the subgroups’ identity boundaries and create a threat to the subgroups’ social identity distinctiveness, as such identity threat can provoke intersubgroup conflict that fragments the superordinate group. According to intergroup-leadership theory, successful intergroup leaders need to construct, promote, and exemplify an intergroup relational identity that preserves subgroups’ distinctiveness and celebrates that distinctiveness and intersubgroup cooperation as fundamental aspects of subgroup and superordinate-group identity. In this article, we describe intergroup-leadership theory (which applies to groups of all sizes and complexions), summarize empirical support for its main tenets, and outline extensions and future directions.

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)0,009
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,022
Communication savante0,0100,009
Science ouverte0,0020,011
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,124
Tête enseignante GPT0,434
Écart entre enseignants0,310 · 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'étudeThéorique ou conceptuel
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

Citations14
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Directions in Psychological ScienceMême sujetSocial and Intergroup PsychologyTravaux en français237 207