LMX à distance : analyse qualitative et développement d’une échelle de mesure
Bibliographic record
Abstract
Notre recherche a pour objectif général de proposer l’adaptation du concept de la relation d’échange superviseur-subordonné (leader-member exchange ou LMX) à la nouvelle réalité du travail à distance. Il s’agit d’étudier la relation d’échange qui se développe entre le superviseur et le subordonné travaillant à distance. Plus précisément, nous visons à définir et à développer une échelle de mesure valide et fiable du concept du LMX à distance. Jusqu’à présent, aucune définition de cette relation d’échange superviseur-subordonné n'a été proposée et aucune échelle de mesure n'a été développée. Dans l’étude que nous proposons, la notion de la distance n’est pas considérée comme un élément contextuel, mais plutôt un élément indissociable du concept lui-même, contrairement à certaines études qui ont examiné la distance comme modérateur de la relation entre le LMX et ses résultantes (Bligh et Riggio, 2012; Brunelle, 2013). À cet effet, cette étude constitue la première sur le sujet. Étant donné l'importance du LMX à distance pour les travailleurs à distance et dont le nombre atteindrait plus de 50 % d’ici 2020 (ITIF, CAS et CoreNet Global), il est primordial de comprendre et d'analyser la relation d’échange superviseur-subordonné à distance afin de mieux comprendre sa nature et son processus de développement, ce qui permettra aux parties de la dyade superviseur-subordonné de mieux s’adapter à cette nouvelle réalité de travail et de développer des relations d’échanges de qualité. Cette recherche aidera les superviseurs travaillant à distance à mieux gérer leur potentiel humain. Pour cerner ce sujet de recherche, nous avons fait une revue approfondie de la littérature traitant du LMX traditionnel et de la notion de distance, et ce, afin de pouvoir proposer une définition du concept du LMX à distance. En outre, nous avons fait appel aux recommandations de la littérature portant sur la psychométrie et nous avons réalisé une étude exploratoire de nature qualitative pour développer son échelle de mesure. Nous avons donc effectué des entrevues individuelles semi-dirigées auprès de trente professeurs d’une université canadienne. Ces entrevues ont été analysées avec le logiciel qualitatif spécialisé Nvivo et ont permis de présenter une première échelle de mesure du LMX à distance composée de sept dimensions et de 27 indicateurs. En somme, nous avons tenu à acquérir une meilleure compréhension de ce phénomène qui est très répandu dans les organisations modernes et à offrir une plateforme théorique et pratique que les chercheurs pourront utiliser pour enrichir leurs connaissances sur le concept du LMX à distance. Enfin, notre étude permettra aux superviseurs et aux subordonnés de comprendre l'importance de développer et de maintenir des relations de qualité conduisant à des résultats organisationnels et personnels positifs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.019 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".