MétaCan
Menu
Retour à la cohorte
Enregistrement W4409114632 · doi:10.1002/jtr.70010

How and When Supervisors' Emotional Displays Serve as Role Models in the Hospitality Industry: A Social Learning Perspective

2025· article· en· W4409114632 sur OpenAlexaff
Yaou Hu, Hyounae Min, Zihui Ma, Dohee Kim

Notice bibliographique

RevueInternational Journal of Tourism Research · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEmotional Labor in Professions
Établissements canadiensThompson Rivers University
Organismes subventionnairesHallym University
Mots-clésPerspective (graphical)Hospitality industryHospitalityTourismPsychologyMarketingHospitality management studiesPublic relationsSocial psychologyAdvertisingBusinessComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This study aims to examine how and when supervisors' emotional display trickles down to employees' emotional display. With data collected through a two‐wave survey of hospitality employees, this study reveals that supervisors' emotional displays serve as role models for employees' emotional displays. Such a trickle‐down effect is contingent upon two boundary conditions: organizational display rules and employees' competence uncertainty. When explicit organizational regulations are absent and employees are uncertain about their role competence, they tend to emulate their supervisor's emotional display. Additionally, the moderation effects operate differently depending on the supervisor's organizational status. As supervisors' status increases, the moderating effects of organizational display rules and employee competence uncertainty diminish. This study adds insights to the tourism and hospitality literature by examining the modeling effect of supervisors on employees' emotional display from a social learning perspective, emphasizing the significance of supervisors' leadership, and modeling effect within hospitality organizations.

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)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,003
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,068
Tête enseignante GPT0,451
Écart entre enseignants0,383 · 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'étudeQualitatif
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Tourism ResearchMême sujetEmotional Labor in ProfessionsTravaux en français237 207