MétaCan
Menu
Retour à la cohorte
Enregistrement W4404858983 · doi:10.1080/14778238.2024.2434063

Participative leadership and team creativity: the role of team intellectual capital and colleague social support

2024· article· en· W4404858983 sur OpenAlexaff
Zhining Wang, Ruiqi Zhang, Yuanmei Qu, Shaohan Cai, Fengya Chen, Huili Zhang

Notice bibliographique

RevueKnowledge Management Research & Practice · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensCarleton University
Organismes subventionnairesFundamental Research Funds for the Central Universities
Mots-clésIntellectual capitalCreativitySocial capitalKnowledge managementSociologyKnowledge sharingManagementPsychologyPublic relationsPolitical scienceSocial psychologySocial scienceComputer science

Résumé

récupéré en direct d'OpenAlex

While previous research has explored participative leadership’s impact on creativity through various mechanisms, they have largely overlooked the role of knowledge. Drawing on the input-process-output (IPO) framework, this study proposes that team intellectual capital (TIC) is a novel key knowledge mechanism explaining the relationship between participative leadership and team creativity. Moreover, the relationship between participative leadership and TIC is moderated by colleague social support, i.e. when the levels of colleague social support is high, the relationship is greater (vs. lower). Data was collected using supervisor-subordinate paired questionnaires with a multi-source, three-wave time-lagged approach, resulting in a final sample of 735 employees and their 150 supervisors from 150 teams in China. Data analysis was conducted using path analysis in Mplus 8.3, and the results strongly supported the hypothesized relationships. Overall, this study deepens the understanding of how participative leadership influences team creativity from the perspective of knowledge (TIC), which is crucial for organizations to gain a competitive advantage.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,193
Tête enseignante GPT0,484
Écart entre enseignants0,291 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge Management Research & PracticeMême sujetCreativity in Education and NeuroscienceTravaux en français237 207