Transactional Leadership and Innovative Behavior as Factors Explaining Emotional Intelligence: A Mediating Effect
Notice bibliographique
Résumé
This research aimed to determine the mediating effect of innovative behavior on the relationship between transactional leadership and emotional intelligence in a SARS-CoV-2 context. During this period, behavioral issues among and between employees have been modified in a way that transactional leadership and innovative behavior were considered differently as factors explaining emotional intelligence. This research gap gave room for additional research to re-define the hypothesis of an existing mediating effect between these issues. In fact, as the empirical part of the research has proven, there is evidence of a mediating effect on the relationship of these variables in the sample used. A random sample of 403 owners of textile companies from the Gamarra Commercial Emporium in the district of La Victoria in Lima, Peru, was used to test the existing model regarding the factors explaining emotional intelligence. Data were evaluated by partial least squares structural equation modeling (PLS-SEM). It was determined that innovative behavior has a total mediating effect on the relationship between transactional leadership and emotional intelligence and that 15.9% of the variance of the emotional intelligence variable is explained by the model. This study theoretically contributes to the literature and provides empirical evidence of the relationship between the variables included in the model. Likewise, the model of the variables generated is useful both for the academic and business worlds; yet it must be strengthened and improved by adding more variables. This research contributes to deepening the understanding of the relationship between emotional intelligence, transactional leadership, and innovative behavior in the textile field during the SARS-CoV-2 period.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 source (Gemma direct ou Codex distillé), 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 ».