Words, Voice, and Body: Leaders’ Verbal and Nonverbal Communication and Their Consequences
Notice bibliographique
Résumé
Scholars spanning different fields within the social sciences have long recognized that communication is a key element of leadership. While early research on leader communication focused largely on how communication revealed leader characteristics, researchers in later decades have expanded their focus to how leader communication affects followers, stakeholders, and organizations. In addition, thanks to advancing analytical technologies such as NLP- and AI-based tools, scholars can now assess leader communication at greater scale (e.g., big data) and in more diverse forms (e.g., text, vocal tone, facial expressions, body gestures). This series of papers speak to these research trends, and document several key ways in which leaders’ verbal and nonverbal communication affects consequential outcomes, from leaders’ own career outcomes to stakeholders’ reactions to that communication. The five studies take place in diverse empirical contexts and feature diverse methods in studying leaders’ communication data. The symposium will offer valuable insights into leaders’ influence processes through their communication, and showcase various ways scholars can study them. The Impact of CEO Gender on the Self-Promotion-Dismissal Relationship Author: Jungwoo Ha; UCLy - ESDES - U. of Lyon Author: Margaret Ormiston; George Washington U. Author: Elaine M. Wong; U. of California, Riverside Market Response to War Language Author: Donal Crilly; London Business School Author: Joao Cotter Salvado; Catolica Lisbon School of Business and Economics How Leaders Build Relationships in High-Stakes Conversations Author: Evita Huai-ching Liu; Bocconi U. Author: Michael Yeomans; Imperial College Business School Are Nonverbal Displays of Dominance and Prestige Likely to be Universal Signals? Author: Zak Witkower; U. of British Columbia Author: Jessica Tracy; U. of British Columbia Author: Nicholas Rule; U. of Toronto Innovating The Development of Leadership Language with Artificial Intelligence Author: George Banks; UNC Charlotte Author: Wenwen Dou; U. of North Carolina, Charlotte Author: Srijan Kumar; Georgia Institute of Technology Author: Scott Tonidandel; UNC-Charlotte
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».