MétaCan
Menu
Retour à la cohorte
Enregistrement W615327801 · doi:10.5860/choice.49-2169

Better under pressure: how great leaders bring out the best in themselves and others

2011· article· en· W615327801 sur OpenAlexaboutno aff

Notice bibliographique

RevueChoice Reviews Online · 2011
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueLeadership, Behavior, and Decision-Making Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHistoryAestheticsArt

Résumé

récupéré en direct d'OpenAlex

Most business leaders can take only so much pressure before their performance slides. Yet some CEOs deliver their greatest successes when times get toughest--when customers' preferences are shifting away from a company's products, when new regulations are shrinking profit margins, when political unrest is destroying supply lines. In Better Under Pressure, Justin Menkes reveals the common traits that make these leaders successful. Drawing on in-depth interviews with sixty CEOs from an array of industries and performance data from two hundred other leaders, Menkes shows that great executives strive relentlessly to maximize their own potential--as well as stoke their people's innate thirst for their own triumphs. To do so, they draw on a set of three essential and rare attributes: * Realistic optimism: They recognize the risks threatening their organization's survival--and their own failings--while remaining confident in their ability to have an impact. * Subservience to purpose: They dedicate themselves to pursuing a noble cause and win their team's commitment to that cause. * Finding order in chaos: They find clarity amid the many variables affecting their business by culling data and forming the conclusions that matter most to the company. The good news: these three capabilities can be learned. Drawing on a broad range of examples from real companies--including Avon, Yum Brands, Southwest, Procter & Gamble, and Ryerson Steel, to name just a few--Menkes demonstrates how each psychological attribute manifests itself in real life and enables top performance under extreme duress. He also shows you how to develop and deploy those attributes--so you can transform yourself into a leader who only shines brighter as the pressure intensifies. Deeply personal, brimming with compelling stories from real-life CEOs, and packed with powerful insights, tools, and practices, this book is a potent resource for aspiring, emerging, and seasoned business leaders alike.

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)0,006
score de la tête « metaresearch » (Gemma)0,016
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: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,015
Communication savante0,0220,018
Science ouverte0,0010,005
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0090,005

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 Opus0,496
Tête enseignante GPT0,445
Écart entre enseignants0,050 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChoice Reviews OnlineMême sujetLeadership, Behavior, and Decision-Making StudiesTravaux en français237 207