The Manager and Love: Evoking a Loving Inquiry in a Group Setting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Neuroscientists, psychologists, educators, and management scholars propose that the current emphasis on intellect and reason in education and business over values such as love, connectedness, and compassion are at the root of many business ethical failures and societal problems. They argue not that reason should be abandoned in education and business management but rather that it needs to be balanced with values such as love because these attributes are innately human, enabling wise decision-making. This is a difficult task in the context of the current ethos of intellect and reason that dominates education and management. To correct the imbalance, we must explore ways of preparing future managers to accept the relevance and importance of learning to develop and embody love. Through our research, we provide an experience of community love by creating a caring, receptive, personal container. We engaged in the practice of Collaborative Autoethnography, integrating the Nguni South African concept of Ubuntu, to explore, research, and demonstrate the experience of love in a community setting. To support this practice, we framed it against the background of integrative justice, focusing on authentic engagement without exploitative intent as per Santos and Laczniak’s (2015) Integrative Justice Model (IJM) and built upon some common contexts from which love is considered such as Catholic Social Thought (CST) and indigenous cultures. We analyzed why and how love might be implemented in education and management and how Collaborative Autoethnography can be applied in connecting with others to research, learn from, and build upon the experience of love and connectedness.
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.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle