The impact of stress on the BarOn EQ-i® reported scores and a proposed model of inquiry. High Performing Systems
Notice bibliographique
Résumé
This study looked at the impact of a “normal ” mindset versus a “stressed ” mindset on the reported scores of the BarOn EQ-i instrument, a self-report instrument that purports to measure emotional intelligence. The results indicated that with a simple set of instructions asking respondents to assume a very stressed mindset, significant downward changes in the total emotional intelligence and all 15 subscale scores were observed. The significant main effect for mindset has numerous implications, the most obvious being that individuals should not complete the instrument while in a stressed mindset. A second implication is that the relationship between emotional intelligence and stress might be such that stress actually reduces an individual’s ability to use his/her full emotional intelligence capacity. The dynamic relationship among emotional intelligence, stress and leader performance might also be visualized and predicted through the use of a catastrophe theory model. Stress is one of the major factors leaders must contend with in today's workplace. Tangri (2003) states: Stress costs American business more than $300 Billion annually in lost productivity, absenteeism, accidents, employee turnover, and medical, legal and insurance fees, and workers ’ compensation awards. This is more than 15 times the cost of all strikes combined. In Canada, the annual cost to business is $16 Billion, which is equivalent to 14 % of total net profits. Total costs to employers for accidents and work-related ill health in the United Kingdom is £7.3 Billion.
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 | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».