Effets potentiels de l’intelligence émotionnelle des gestionnaires sur les subordonnés au travail : une recension systématique de la littérature
Notice bibliographique
Résumé
Les transformations successives des environnements de travail, notamment sur le plan technologique, s’avèrent émotionnellement exigeantes et sont susceptibles d’affecter les attitudes et la performance des travailleurs. Dans ce contexte, l’intelligence émotionnelle (IÉ) des gestionnaires a été soulevée comme une ressource substantielle pour soutenir et influencer leurs subordonnés. Cependant, étant donné la large étendue de résultats empiriques sur les effets potentiels de l’intelligence émotionnelle des gestionnaires (IÉG) sur les subordonnés au travail et la variété d’instruments de mesure de l’IÉ, la compréhension de ces effets potentiels dans la littérature demeure un défi à ce jour. Cette recension systématique, réalisée à partir du protocole PRISMA 2020, présente une synthèse qualitative des effets potentiels de l’IÉG sur les subordonnés et des processus impliqués, et ce, en classant les résultats à partir des trois courants de l’IÉ. À la suite du processus de sélection et de l’évaluation de la qualité des études, un total de 56 études (1990-2023) a été retenu. Les résultats révèlent que l’IÉG a un effet potentiel significatif sur la performance des subordonnés (performance individuelle; performance et efficacité d’équipe; créativité et comportements d’innovation et comportements de citoyenneté organisationnelle) dans approximativement 85 % des études recensées et sur les attitudes (satisfaction individuelle et de groupe au travail; engagement et épuisement professionnel), les affects et les autres variables liées aux subordonnés dans approximativement 92 % des études. Le présent article illustre de manière complète et accessible les effets potentiels de l’IÉG sur les subordonnés et offre aux chercheurs un point de départ pour bâtir leur modèle d’étude.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».