MétaCan
Menu
Retour à la cohorte
Enregistrement W4415698934 · doi:10.1504/ijtcs.2025.149406

Leadership in crisis: emotional intelligence and effectiveness at Luxe Salon and TechWerse Enterprises

2025· article· en· W4415698934 sur OpenAlexaff
Jane Ali, Hawwa Shiuna Musthafa

Notice bibliographique

RevueInternational Journal of Teaching and Case Studies · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueEmotional Intelligence and Performance
Établissements canadiensUniversity Canada West
Organismes subventionnairesnon disponible
Mots-clésEmotional intelligenceSalonEmpathyContext (archaeology)Shared leadershipLeadership developmentTransformational leadershipLeadership studies

Résumé

récupéré en direct d'OpenAlex

Leadership plays an important role in shaping organisational success, whether in small businesses or large enterprises. Effective leaders improve collaboration, productivity, and loyalty, but leadership development is rarely instantaneous or without challenges. This study examines two case studies that highlight the complexities of leadership. The first follows a well-known hairdresser who acquires a salon and must navigate the transition from stylist to business owner while managing existing employees and implementing new business strategies. The second case explores the leadership struggles of Sarah Matthews, the newly appointed CEO of TechWerse Enterprises, whose lack of emotional intelligence (EI) leads to declining employee morale and disengagement. The study further discusses an intervention program involving 360-degree feedback, executive coaching, and empathy training to enhance Sarah's leadership capabilities. These two cases emphasise the importance of EI in leadership development and the need for targeted strategies to improve leader effectiveness and organisational performance. The two cases study provide a teaching guide to show the differences in context and the similarity of leadership struggles. The concepts of EI, leader development and follower morale are the basis of this comparison

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,255
Score d'incertitude au seuil0,409

Scores Codex et Gemma par catégorie

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

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 Opus0,119
Tête enseignante GPT0,419
Écart entre enseignants0,300 · 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 tête enseignante, 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Teaching and Case StudiesMême sujetEmotional Intelligence and PerformanceTravaux en français237 207