MétaCan
Menu
Retour à la cohorte
Enregistrement W7030018320

Lived Experiences of Female Executives Leading During the COVID-19 Pandemic

2023· article· en· W7030018320 sur OpenAlexaboutno aff

Notice bibliographique

RevueScholarWorks (Walden University) · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicLived experiencePrejudice (legal term)Qualitative researchQuarter (Canadian coin)Conceptual frameworkWork (physics)Coronavirus disease 2019 (COVID-19)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

AbstractThis basic qualitative study was conducted to explore the authentic leadership experiences of women as they navigated through the COVID-19 pandemic, including the challenges they faced, the decisions they made, the lessons learned, and what they would do differently in the future. The conceptual framework used in this study was the role congruity theory of prejudice toward female leaders and humanistic motivation theory, which were used to examine the gender disparities that pose challenges for female leaders. The research involved conducting online conference interviews with nine individuals. Volunteers met the following selection criteria: identified as a female with five or more years of experience at the executive level, with titles equivalent in responsibility to Director, Controller, Assistant Vice President, Vice President, up to C-Suite, and responsible for a minimum of five direct reports; and were executive women in a U.S. organization that was not part of a health care system during the COVID-19 pandemic through 3rd quarter or more. The interviews were analyzed through coding and the development of themes. The study’s findings included four major themes: crisis leadership, fear of the unknown, empathy, and work and life balance. The study’s insights may be used to promote positive social change through increased opportunities for women to assume leadership roles in diverse industry organizations, creating a more balanced and equitable professional landscape.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,006
Communication savante0,0040,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,190
Tête enseignante GPT0,333
Écart entre enseignants0,143 · 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'étudeQualitatif
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarWorks (Walden University)Même sujetGender Diversity and InequalityTravaux en français237 207