Transactional Leadership and Innovative Behavior as Factors Explaining Emotional Intelligence: A Mediating Effect
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle