The influence of project leadership style, innovative work behavior, and openness to experience on employee performance
Notice bibliographique
Résumé
The purpose of this study is to analyze the relationships between project leadership style and performance, innovation work behavior and performance, and openness to experience and performance. A quantitative research method was employed, and the analysis was conducted using Partial Least Squares–Structural Equation Modeling (PLS-SEM) via SmartPLS software version 4.0.9.9. PLS-SEM was chosen for its suitability in analyzing complex models with multiple constructs and pathways, particularly in exploratory research contexts. The study surveyed 430 SME employees, selected through snowball sampling based on the accessibility of reliable participants—those who had already completed the questionnaire. PLS-SEM is especially effective for handling small to medium sample sizes, non-normal data distributions, and both reflective and formative constructs. It also prioritizes maximizing the explained variance of dependent variables and is well-suited for testing relationships between latent constructs. A five-point Likert scale was used to measure respondents’ agreement with statements related to the variable indicators, ranging from 1 (strongly disagree) to 5 (strongly agree). The data analysis included validity testing, reliability testing, significance testing, and hypothesis testing. The results indicate that project leadership style has a positive and significant relationship with performance. Similarly, innovation work behavior and openness to experience both show positive and significant associations with performance.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».