Antecedents of Ambidextrous Leadership in Entrepreneurship: The Role of Emotional Intelligence and Entrepreneurial Leadership Styles
Notice bibliographique
Résumé
ABSTRACT Ambidextrous leadership (AL) is a game‐changer for entrepreneurial success, empowering leaders to balance exploration and exploitation expertly—two powerful forces that drive innovation and business growth. Yet, despite its evident importance, research into the factors that shape AL in entrepreneurial settings remains surprisingly sparse. This study fills this gap by exploring how emotional intelligence, adaptive and flexible leadership, transformational leadership, and transactional leadership influence AL behaviors among entrepreneurial leaders. Drawing on data collected via structured questionnaires from entrepreneurs who lead high‐tech businesses in the UK, this research reveals how each leadership dimension contributes to AL. The results, based on multiple linear regression analysis, indicate that while all four leadership styles influence AL, they do so in distinct ways. Transformational and transactional leadership help shape a leader's opening and closing behaviors, while adaptive or flexible leadership determines the strategic timing for their deployment. Additionally, emotional intelligence fosters the emotional climate that helps leaders navigate the tensions inherent in leading innovation. The study demonstrates that emotional intelligence and adaptive/flexible leadership are individual capabilities that empower leaders to act ambidextrously. In contrast, transformational and transactional leadership are behavioral modes that enable leaders to lead ambidextrously. This study not only enriches entrepreneurial leadership theory but also provides actionable insights for cultivating the leadership skills necessary to build ambidextrous capacity at the individual level, thereby fueling innovation and driving scalable success in entrepreneurial ventures.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».