MétaCan
Menu
Retour à la cohorte
Enregistrement W4382568127 · doi:10.1109/tem.2023.3287191

Leader Character in Engineering Projects: A Case Study of Character Activation, Contagion, and Embeddedness

2023· article· en· W4382568127 sur OpenAlexafffund
Mary Crossan, Brenda Nguyen, Dusya Vera, Rachel E. Sturm, Ana C. Ruiz Pardo

Notice bibliographique

RevueIEEE Transactions on Engineering Management · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensUniversity of LethbridgeWestern University
Organismes subventionnairesIvey Business School, Western University
Mots-clésEmbeddednessCharacter (mathematics)Competence (human resources)Knowledge managementPsychologyComputer scienceSociologySocial psychologySocial science

Résumé

récupéré en direct d'OpenAlex

We contribute to the blending of leadership and engineering by challenging the prioritization of technical competence over leadership competence in engineering projects, and by specifically highlighting the importance of bringing leader character into the conversation. Using a single-case-study methodology, with a university's Formula Society of Automotive Engineers organization, we examine and illustrate character activation in individuals, its contagion in groups, and how character can become embedded within an organization's nonhuman repositories, such as culture, processes, and policies. In doing this, we describe a multilevel view of character. In addition, we offer a practical account of how leader character is revealed in everyday practices and in critical moments in an engineering project in terms of technical, operational, and relational decisions. Findings from the case study show that character can change how competences are enacted, and therefore, organizational members can more effectively use their competences in the organization, and the character-competence interplay can contribute to performance gains of the project.

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)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0150,007
Communication savante0,0050,003
Science ouverte0,0020,007
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,138
Tête enseignante GPT0,352
Écart entre enseignants0,215 · 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'étudeQualitatif
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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Engineering ManagementMême sujetEthics in Business and EducationTravaux en français237 207