Invisible Burdens: Mental Health as an Underlying Factor Shaping Leadership Emergence and Disclosure
Notice bibliographique
Résumé
Implicit Leadership Theory (ILT) posits that individuals hold cognitive prototypes about who leaders should be and how they should behave, emphasizing traits such as competence and decisiveness (Epitropaki & Martin, 2004). Recent research has extended ILT to explore leadership mental health expectations, revealing that leaders are often expected to embody good mental health (Cloutier & Barling, 2023). These expectations can significantly influence leadership emergence and mental health disclosure, yet their implications remain underexplored. This symposium investigates how mental health expectations shape leader emergence and disclosure decisions. The first three presentations explore barriers to leadership pursuit, focusing on the reluctance to lead due to perceived well-being risks, the role of mental health in shaping self-perceptions of leader suitability, and the impact of internalized mental illness stigma on leadership efficacy. The final two presentations address the challenges of mental health disclosure in leadership roles, examining how leaders’ willingness to disclose is influenced by role identity and perceived risks, and the organizational consequences of such disclosures. Collectively, these studies underscore the complex interplay between leadership expectations, mental health, and organizational dynamics, offering insights into promoting inclusive and supportive leadership environments. Well-being Factors Impacting Reluctance to Lead Author: Cindy D. Suurd Ralph; Royal Military College of Canada Author: Iris Kinnon; - Employee Mental Health and Leadership Pursuit: An Identity Perspective Author: Anika Cloutier; Author: Alyson Byrne; Memorial University Author: Julian Barling; Queen's University Internalization of Mental Illness Stereotypes as a Barrier to Leadership Emergence Author: Michaela Scanlon; Queen's University Author: Julian Barling; Queen's University Leading in Silence: Mental Health Disclosure Among Leaders vs. Followers Author: Maria Angelina Adams; Dalhousie University Author: Anika Cloutier; Leader Self-Disclosure of Mental Illness History Encourages Employees to Access MH Resources Author: Amanda J. Hancock; Author: Ana Askari; University of Regina Author: Kara Anne Arnold; Memorial University
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 | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».