MétaCan
Menu
Retour à la cohorte
Enregistrement W4313163236 · doi:10.55365/1923.x2022.20.48

Empathic Features of Conducting Negotiations in an Entrepreneurial Environment

2022· article· en· W4313163236 sur OpenAlexvenueno aff
Tetiana Shcherban, Yulianna Terletska, Maryna Resler, Nataliia Ostapiuk, Alla Morhun

Notice bibliographique

RevueReview of Economics and Finance · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRegional Economic Development and Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmpathyNegotiationContext (archaeology)Resistance (ecology)Social psychologyPsychologyPublic relationsSociologyPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

In business and scientific literature, empathy (i.e. the ability to accept different perspectives, put oneself in another person's place, and develop interpersonal relations) occupies an important place.However, there is a risk that, in negotiations, the ability to induce the counterparty to accept the prospect, i.e. the display of empathy, is no less critical for success.External pressure and aggression cause psychological resistance.Sometimes such resistance takes on grotesque forms, forcing people to commit actions that directly contradict their interests to demonstrate their independence.The study's novelty stems from the fact that negotiations in work as an entrepreneur depend on empathic ability.The authors show that empathy training and upgrading can improve the quality and success of negotiations, leading to concluded contracts and, consequently, to better business performance.The work has established that entrepreneurial empathy in professional activities contributes to the development of secondary socioeconomic indicators of the environment and society.The study's practical significance is determined by the structure of the creation of an empathic component in the practical activities of business structures in the context of overcoming crisis phenomena in the economy.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,003
Communication savante0,0030,002
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
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 Opus0,033
Tête enseignante GPT0,217
Écart entre enseignants0,184 · 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'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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetRegional Economic Development and InnovationTravaux en français237 207