MétaCan
Menu
← Retour à la cohorte
Enregistrement W4416006812 · doi:10.5465/amproc.2025.10951abstract

Examination of the Role of Positive Leadership Mindset in Mitigating the Effects of Crises on Organizations

2025· article· en· W4416006812 sur OpenAlexaffabout
Mohammed Laid Ouakouak, Noufou Ouedraogo, Gertrude I. Hewapathirana, Michel Zaitouni

Notice bibliographique

RevueAcademy of Management Proceedings · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésMindsetPositive relationshipEmpirical researchEmpirical evidencePositive psychologyCrisis managementCrisis communicationLeadership theory

Résumé

récupéré en direct d'OpenAlex

Maintaining a positive mindset as a leader (or a positive leadership mindset) has proved to be important for leadership effectiveness and may be even more important in times of crisis because such a mindset contributes to organizational survival and resilience. In this study, we examined whether a positive leadership mindset helped to mitigate the harmful effects of the COVID-19 crisis on an organization and if so, how. To discover the answer, we conducted an empirical study involving 165 participants who worked in various organizations operating in Canada via a survey posted on LinkedIn just after the pandemic. As this study relates to crisis management, we conducted it in reference to the COVID-19 crisis. Results revealed that a positive leadership mindset can constructively impact leaders’ innovative behavior. We found that leaders’ innovative behavior did not have a significant relationship with the effects of the COVID-19 crisis on organizations; however, the use of information and communication technology (ICT) and the provision of psychological support to employees moderated this relationship, as leaders’ innovative behavior negatively influenced the effects of the COVID-19 crisis when ICT and psychological support to employees were used to a high degree. The implications of these findings for both theory and practice, as well as for the direction of future research, are provided.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,233
Écart entre enseignants0,221 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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'admission2
Résumé présentoui

Explorer davantage

Même revueAcademy of Management Proceedings→Même sujetJob Satisfaction and Organizational Behavior→Travaux en français237 207→