The benefits of transformational leadership for addressing workplace emotions after COVID-19 at a large multi-campus university
Notice bibliographique
Résumé
The COVID-19 pandemic presented a series of challenges to organizations. Among those that successfully continued operating, the subsequent recovery period catalyzed pressure to redefine work structure after social distancing restrictions lifted. Here, we observed the benefits of transformational leadership in this historically unique context of organizational distress by applying an adjusted version of Ashkanasy and Dorris's (Ashkanasy and Dorris in Annu Rev Organ Psych Organ Behav 4:67-90, 2017) framework for workplace emotions to a large, multi-campus university. We quantitatively content-analyzed semi-structured interviews of more than 300 divisional leaders and their staff from across the organization. Interviews occurred in the months following the first semester of continuous in-person service delivery, when most employees returned to working in employer-operated space. Despite disproportionate emphasis on negative and self-focused emotions, negative emotions clustered in individuals' empathic recognition of others' emotions; though efforts to regulate those emotions proved scant. Positive emotions primarily emerged in response to local leadership efforts to mitigate the negative emotions of students, staff, and faculty. This data pattern suggests that individuals experienced negative emotions, recognized others' negative emotions, and appreciated leaders' interventions to ameliorate those negative emotions. Strategies reminiscent of transformational leadership therefore productively addressed the negative impact of workplace stress imposed by the pandemic, helping to facilitate compliance and enthusiasm with return-to-work efforts. The findings thus illustrate how a transformational style of leadership can address individuals' negative experiences during a period of pronounced existential stress.
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 | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».