MétaCan
Menu
Retour à la cohorte
Enregistrement W4390548628 · doi:10.55482/jcim.2023.33464

Cultural Intelligence, Diversity Climate, and Employee Behavior: A Study of MNE Subsidiaries in China

2023· article· en· W4390548628 sur OpenAlexaffvenue
Juana Du, Rong Wang, Crystal X. Jiang

Notice bibliographique

RevueJournal of Comparative International Management · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Student and Expatriate Challenges
Établissements canadiensRoyal Roads University
Organismes subventionnairesnon disponible
Mots-clésCultural intelligenceSubsidiaryCultural diversityCreativityPsychologyExpatriateSocial psychologyChinaDiversity (politics)Altruism (biology)Multinational corporationHarmony (color)Organizational citizenship behaviorSociologyPolitical scienceOrganizational commitment

Résumé

récupéré en direct d'OpenAlex

This study draws from the literature on workplace diversity, cultural intelligence, and creativity to examine the relationship between diversity climate and employees’ behaviors. With data collected from three multinational enterprise subsidiaries that operated in China for over 25 years, this study reveals that employees’ metacognitive cultural intelligence is positively related to their perceived diversity climate, leading to creative behavior and citizenship altruism behavior. In addition, this study examines an important interpersonal factor that is sensitive to the Confucius culture, harmony, and finds it directly impact motivational cultural intelligence. The mediating effect of harmony on the relationship between motivational cultural intelligence and employees’ altruism behaviors is also tested. This study contributes to the literature by investigating the organizational mechanisms underlying the role of cultural intelligence on employee behaviors in culturally diverse workplaces. Practical implications are also discussed.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,186

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,098
Tête enseignante GPT0,411
Écart entre enseignants0,313 · 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'étudeObservationnel
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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Comparative International ManagementMême sujetInternational Student and Expatriate ChallengesTravaux en français237 207