MétaCan
Menu
Retour à la cohorte
Enregistrement W2120574522 · doi:10.5267/j.msl.2012.06.040

The relationship between organizational commitment and knowledge sharing: A case study of university employee cooperation

2012· article· en· W2120574522 sur OpenAlexvenueno aff
Hosein Ali Bahramzadeh

Notice bibliographique

RevueManagement Science Letters · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensnon disponible
Organismes subventionnairesIslamic Azad University
Mots-clésKnowledge sharingOrganizational commitmentBusinessKnowledge managementEmployee researchOrganizational learningOrganisation climateBusiness administrationPsychologyComputer scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Knowledge sharing plays an important role on helping organizations reach their goals, it facilitates distribution of overall awareness among workers and create better environment for adding more value.There are different factors influencing knowledge sharing and organizational commitment is believed one of the most important items.In this paper, we present an empirical study in one of privately held universities located in city of Bojnourd, Iran.The proposed study selects a sample size 145 out of 236 people from both regular employees and university professors and we have used different tests such as Pearson correlation test to analyze the results.The proposed model of the paper has confirmed that there is a positive and meaningful relationship between these two components when the level of significance is set to five percent.The results of this survey also reveals that while ethical commitment and normative play important role on knowledge sharing, continuity has no significant impact on knowledge sharing within organization.The other observation is that while gender and age has no impact on knowledge sharing, higher educational background is an important factor on knowledge sharing.

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)0,006
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0080,002
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0020,001
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 Opus0,073
Tête enseignante GPT0,315
Écart entre enseignants0,242 · 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'étudeQualitatif
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

Citations8
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetKnowledge Management and SharingTravaux en français237 207