Deepening Our Understanding of Inclusive Leadership: A Multi-Level, Multi-Identity-Group Perspective
Notice bibliographique
Résumé
Contemporary organizations have been calling for inclusive leadership to promote workplace inclusion. However, the existing literature on inclusive leadership has not yet adequately addressed questions such as what inclusive leadership encompasses, how it influences marginalized groups, and the mechanisms through which it impacts individual and organizational outcomes. This symposium brings together four papers that collectively add novel insights into these questions, from a multilevel and multi-identity-group perspective. The four papers offer four different approaches of capturing inclusive leadership, at the individual, group, and organizational levels. They also delve into the impact of inclusive leadership on group members and particularly on marginalized groups such as women and people with disabilities. They further ask questions related to conduits of inclusive leadership at individual and organizational levels, examining new mechanisms such as disability identity threat and organizational climate of gender stereotypes. This symposium challenges the participants to re-think how inclusive leadership can be understood in novel ways, how diversity can be better integrated into this research, and how inclusive leadership impacts individuals’ perceptions, decisions, effectiveness, and organizational climate and knowledge use. Insights into these questions can broaden perspectives for future research and provide practical guidance on how to develop inclusive managers and organizations. Impact of Leader Inclusion Behavior on Employee Psychological Safety, Performance and Burnout Author: Lynn Shore; Colorado State U. Author: Beth G. Chung; San Diego State U. Author: Justin Wiegand; San Diego State U., Fowler College of Business A New Approach to Measuring Inclusive Leadership Author: Wei Zheng; Stevens Institute of Technology Author: Haoying Xu; Stevens Institute of Technology Author: Martin Osei; Stevens Institute of Technology Author: Peter G Dominick; Stevens Institute of Technology Inclusive Leadership and Disability Disclosure Author: Zoe Troxell Whitman; Columbia U. Teacher's College Author: Elissa Perry; Teachers College, Columbia U. Managing Gender Issues to Mitigate Shared Climates of Gender Stereotypes Author: Yixuan Li; U. of Florida Author: Pang Xingyu; School of Economics & Management, Tongji U. Author: Haiyang Liu; Nanyang Business School, Nanyang Technological U., Singapore Author: Zhefan Huang; U. of Florida Author: Klodiana Lanaj; U. of Florida Author: Yueting Ji; Central U. of Finance and Economics Author: Shengming Liu; Fudan 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 | 0,013 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,044 |
| Communication savante | 0,017 | 0,023 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».