MétaCan
Menu
Retour à la cohorte
Enregistrement W1562087565 · doi:10.5539/ass.v11n18p295

Investigation of Teacher Job-Performance Model: Organizational Culture, Work Motivation and Job-Satisfaction

2015· article· en· W1562087565 sur OpenAlexvenueno aff
Wesly Hutabarat

Notice bibliographique

RevueAsian Social Science · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTeacher Professional Development and Motivation
Établissements canadiensnon disponible
Organismes subventionnairesDirektorat Jenderal Pendidikan Tinggi
Mots-clésJob satisfactionJob performancePsychologyJob designJob attitudeWork motivationOrganizational cultureContextual performancePath analysis (statistics)Personnel psychologyWork (physics)Social psychologyApplied psychologyManagementMathematicsStatisticsPhysicsEconomics

Résumé

récupéré en direct d'OpenAlex

The research is intended to develop a Teacher Job-performance Model by considering causal relationship between teacher job-performance determinants i.e. Organizational Culture, Organizational Structure, and Work Motivation. It was found that path coefficient of organizational culture to work motivation is 0.333 at a significant level of < 0.05 and F = 17.553, where Fcalc.> F1/141= 3.908, at α < 0.05. In addition, path coefficients of organizational culture and work motivation to job-satisfaction are 0.225, and 0.263 respectively at a significant level of < 0.05 and F = 13.224, where Fcalc.> F2/140= 3.061, at α < 0.05. Furthermore, path coefficients of organizational culture, work motivation and job-satisfaction to job-performanc are 0.269, 0.236, and 0.193 respectively at a significant level of < 0.05, and F = 17.261, where Fcalc.> F3/139= 2.669, at α < 0.05. Finally, indirect effect of organizational culture on job-satisfaction and job-peformance through work motivation is 0.087, and 0.078 respectively. It is concluded that the Model suggested fits with data collected, as a result, it can be used for perdicting teacher job-performance, including teacher promotions and feedback for improving teacher 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 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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,051
Tête enseignante GPT0,297
Écart entre enseignants0,245 · 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'étudeObservationnel
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

Citations40
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetTeacher Professional Development and MotivationTravaux en français237 207