Validation of the Wise Leadership Questionnaire (WLQ)
Notice bibliographique
Résumé
Purpose The purpose of this study was to validate the psychometric properties of the Wise Leadership Questionnaire (WLQ). Design/methodology/approach Data were collected from three independent samples from Canada, China and Morocco (n = 616). Factor analysis, first- and second-order confirmatory factor analyses, structural equation modeling and Bayesian approach were used. Findings Study 1 confirmed that the WLQ higher-order factor structure is the most adequate theoretical model to capture the four-factor structure of the wise leadership scale, namely, intellectual shrewdness, spurring action, moral conduct and cultivating humility which are essential for a leader to qualify as wise. Study 2 assessed and supported the criterion-related validity by approving that the higher-order wise leadership construct constituted a predictor of work outcomes such as followers’ subordinates’ performance and job satisfaction. Confirmatory factor analysis results yielded a second-order factor of the wise leadership construct with four first-order factors, namely, the four wise leadership dimensions. The correlations between the four first-order factors (i.e. dimensions) and the second-order factor of the wise leadership are positive and statistically significant in both the China and Morocco samples. They are, respectively, as follows: intellectual shrewdness (β = 0.74; 0.62, p < 0.01), spurring action (β = 0.52; 0.76, p < 0.01), moral conduct (β = 0.76; 0.62, p < 0.01) and cultivating humility (β = 0.78; 0.69, p < 0.01). Originality/value Results suggest that the new wise leadership construct is positively associated with followers’ subordinates’ job performance and job satisfaction directly and indirectly through supervisory support, emphasizing the added value and relevance of the WLQ.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».