Advancing Leadership and Team Research Through Second Uses of Meta-Analytic Data
Notice bibliographique
Résumé
The symposium includes four studies that advance leadership and team research by adopting secondary uses of meta-analytical data, including systematic reviews of meta-analyses, second-order meta-analysis, and identification of original studies using meta-analyses. Supported by a cloud-based meta-analysis platform, these studies have the potential to summarize and integrate diverse research topics in large fields such as leadership and team. A systematic review of team meta-analyses Author: Yanzhe Zhou; School of Labor and Human Resources, Renmin U. of China Author: Jingxian Yao; School of Economics & Management, Tongji U. Author: Ming Lou; School of Management, Harbin Institute of Technology Building a large primary-study pool from team meta-analyses Author: Ming Lou; School of Management, Harbin Institute of Technology Author: Yanzhe Zhou; School of Labor and Human Resources, Renmin U. of China Author: Yitong Li; Furen International School, Singapore Author: Zhaoli Song; National U. of Singapore Assembling pieces into a whole: A systematic literature review of leadership meta-analyses Author: Tao Su; Guangdong U. of Technology Author: Jinlong Zhu; Renmin U. of China Author: Piers Steel; U. of Calgary A second-order meta-analysis on leadership effectiveness Author: Xiaoyu Li; Renmin U. of China Author: Boyuan Ju; National U. of Singapore Author: Bo Li; Business School of Liaoning U. Author: Zhaoli Song; National U. of Singapore Author: Piers Steel; U. of Calgary Discussant Author: Ernest O'Boyle; Indiana U.
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 | 0,482 | 0,679 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,005 |
| Méta-épidémiologie (sens large) | 0,014 | 0,037 |
| Bibliométrie | 0,040 | 0,031 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,026 | 0,015 |
| Science ouverte | 0,005 | 0,017 |
| Intégrité de la recherche | 0,006 | 0,012 |
| 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».