Leadership Luminaries, Cross-cultural empirical analyses of leadership styles and practices
Notice bibliographique
Résumé
‘Leadership Luminaries’ provides an invaluable reference point to understand how cultural differences impact upon leadership styles and practices. This new issue of our ongoing global leadership series presents country-specific analyses of culturally endorsed leadership practices and styles in the countries: Australia, Brazil, Canada, Curaçao, Dominican Republic, Egypt, Emirates, Germany, Gibraltar, Great Britain, India, Nepal, Portugal, Romania and Ukraine. This publication contains contributions from around 140 researchers from 38 countries who participated in the Cross-Cultural & Global Business Skills electives offered by the Part-time Academy of the Faculty of Business and Economics at the Amsterdam University of Applied Sciences. The following people contributed: Abel Fego, Adam Prittie, Alaa Jabaly, Олексій Ставіцький (Oleksii Stavitskyi), Alide-Marie Hovenkamp, Amber Bolte, Amber van Nieuwenhoven, Amir Ait Aicha, Amir Kila, Anass Banani, Anastasia Otabil, Anita Elzinga, Anna Csillag, Anna Spinola, Annabel Kruis, Ansa Mohammad, Артем Любенко (Artem Liubenko), 計良歩夢 (Ayumu Keira), Beaudine Overtoom, Ben Oort, Bianca Motta, Carmen Martínez-Almeida García, Caroline Sweep, Casper de Groot, Casper Dokter, Charlotte Dijkman, Chislaine Andrade Costa, Christopher Chin, Cis den Blanken, Clara Weißenhorn, Daan Groot, Daan Tönjes, Dániel Péter Kádár, Daphne Jansen, Diam Mohammed, Dilara Sepetci, Domenico Testa, Dóra Plébán, Douae Merzouki, Douha Moudou, Dounia Belkas, Douwe Schmitt, Dylan Peeters, Dzenis Kuburović, Екатерина Радева (Ekaterina Radeva), Emma Dijkstra, Ericardo Romeo, Erik Oomen, Erin Hoek, Fleur Huurman, Francisca da Conceição Bôto, Frank Mooijer, Gabriela Castillo De Sales, Gaelle Kenjoian, Georgina Addai, Ghizlane Azzaoui, Gianna van Ommeren , Gijs Dekker, Gina Coronel, Hajar El Yakoubi, Hamza Momand, Hanzalah Latif, 김희준 (Heejun Kim), Isabeau Boender, Isak Douah, Ismail Wafelgha, Jamiro Rozendaal, Janou Dihal, Jari Stumeijer, Jeffrey Dominique de Dood, Jessie Peters, Jiya Anwar, Job Pesch, Joe Gimpel, John van der Bent, Juri Siewert, Kaio Leering, Karen Loth, Katherine Landry, Kemeal Khaddage, Kıvılcım Kafkas, Laila Kool, Lara da Fonseca, Latifa El Aissati, Levente Hargitai, Lisa-Marie Cardoso, Maartje Nauta, Manisha Chand, Mantej Dhaliwal, Margaret Maclellan, Mariana Fernandes Cabral, Marit de Zeeuw, Mark van Heijningen, Marlon Clijd, Martijn Carels, Mauro Knebel, Max Bijenveld, Melisa Demiryürek, Mette Kabo, Mike Smith, Milou van Hengel, Mitchell Mugie, Naomi van der Jagt, Nikki van Pelt, Noa Serra de Kloet, Obed Bonsu-Osei, Omayma Amallou Garnat, Pariya Afshintabar, Paul van den Ende, Pelle Brinkhof, Rafi Al Gareb, Ramy Girgis, Renata Calvelli Fonseca, Renske Hogeboom, Roksana Beyer, Sadaf Hamid, Saram Saddiqui, Savino Every, Scarly Mayi Santos, Selman Muğlu, Sergio Mendez Vilas, Shanna Strube, Sofia Kontaktsiou, Soraya Panoet, Tamara Liefting, Thea Hughes, Tom Remmerswaal, Vanessa Vieira de Sousa, Vlad Milosteanu, Waiz Malik, Warsha Tamang, William Horsford, Zach Saine, Ziad Elwakeel and Zineddine Rhninou.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».