MétaCan
Menu
Retour à la cohorte
Enregistrement W4387679016 · doi:10.1080/1553118x.2023.2235575

Leaderspeak – An Evolutionary Psychology Approach to Reducing Gaps in Strategic Communication

2023· article· en· W4387679016 sur OpenAlexaff
Binod Sundararajan, Malavika Sundararajan

Notice bibliographique

RevueInternational Journal of Strategic Communication · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésReciprocity (cultural anthropology)Communication sourceSelfishnessEvolutionary psychologyAltruism (biology)ImmediacySocial psychologyOperationalizationInterpersonal communicationPsychologyStrategic communicationEpistemologyComputer sciencePublic relationsPolitical science

Résumé

récupéré en direct d'OpenAlex

The gaps that strategic communication has to bridge have widened due to competing values driven by self-interest versus superordinate organizational goals.We propose a higher-order comprehensive model, grounded in a) the social behavioral aspects of evolutionary psychology and strategic communication; b) evolutionary game theory reciprocity; and c) the niche construction of leadership.We offer the concept of 'leaderspeak', which brings into effect the concepts of collaborative and mutually beneficial relations, altruism, spite, and selfishness.In this paper, we seek to parse the role of reciprocity, altruism, and how receivers are motivated to respond to leader communication (leaderspeak, i.e., leader communication that considers all the multi-modal affordances of language, including non-verbal communication, to outline the intent of the leader).This is an initial attempt to delve deeper into the evolving human need while ensuring reciprocity between the sender and receiver.Our aim is to understand and address the attitude, "I hear you, and get what you want me to do for you, so what's in it for me?" CONTACT

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)0,007
score de la tête « metaresearch » (Gemma)0,011
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: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,006
Communication savante0,0030,005
Science ouverte0,0020,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,153
Tête enseignante GPT0,417
Écart entre enseignants0,264 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Strategic CommunicationMême sujetEvolutionary Game Theory and CooperationTravaux en français237 207