MétaCan
Menu
Retour à la cohorte
Enregistrement W2068765798 · doi:10.1080/16184742.2010.502744

Cross-sectoral Variation in Organizational Culture in the Fitness Industry

2010· article· en· W2068765798 sur OpenAlexaff
Eric MacIntosh, Alison Doherty, Matt Walker

Notice bibliographique

RevueEuropean Sport Management Quarterly · 2010
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensWestern UniversityUniversity of Ottawa
Organismes subventionnairesInternational Olympic Committee
Mots-clésOrganizational cultureBusinessMarketingSocial connectednessVariation (astronomy)Profit (economics)PerceptionIndustrial organizationNot for profitEconomicsManagementPsychologyMicroeconomicsSocial psychologyAccounting

Résumé

récupéré en direct d'OpenAlex

This study compared the perception and impact of organizational culture on staff working in for-profit and non-profit organizations in the fitness industry. The purpose was to examine whether there was any variation in the emphasis on certain values within these organizations which may distinguish the sectors of this competitive industry. The study also considered whether there were differences in the impact of certain values on employee behavior. Survey research was employed during a major fitness conference and trade show that organizations from both sectors attend. Data were gathered from 416 fitness industry staff, of which 209 worked in the for-profit sector while 60 worked in the non-profit sector. The findings revealed that cross-sectoral variation in organizational culture was limited to the greater emphasis placed on sales in for-profit organizations. The findings suggest that shared values exist within an industry. Findings also showed that a focus on sales in both sectors increased staff intention to leave, while connectedness was inversely associated with intention to leave in the non-profit sector only. Directions for future research on the variation and impact of organizational culture are presented.

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)0,010
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 enseignants0,004
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,230
Écart entre enseignants0,221 · 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

Citations10
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Sport Management QuarterlyMême sujetJob Satisfaction and Organizational BehaviorTravaux en français237 207