MétaCan
Menu
Retour à la cohorte
Enregistrement W2160392593 · doi:10.1177/0734016810379253

Predictors of Early Job Turnover Among Juvenile Correctional Facility Staff

2010· article· en· W2160392593 sur OpenAlexaboutno aff
Kevin I. Minor, James B. Wells, Earl Angel, Adam K. Matz

Notice bibliographique

RevueCriminal Justice Review · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTurnoverJob satisfactionPsychologyOperationalizationQuarter (Canadian coin)JuvenileDemographic economicsSocial psychologyManagement

Résumé

récupéré en direct d'OpenAlex

Although there is minimal research on job turnover among staff working in juvenile correctional facilities, turnover continues to be a costly problem with far reaching ramifications. This study examined 12-month turnover (operationalized in terms of resignations) among 13 successive cohorts of 475 staff who completed a basic training academy over a 3-year period. Turnover approached one quarter and was most probable during the first 6 months following academy completion. Seven demographic and nine work-related predictors were analyzed, including measures of job satisfaction and organizational commitment. Only one variable predicted turnover. Turnover was significantly less likely among staff displaying satisfaction with coworkers. The findings imply that turnover among newer employees might be curtailed through programs such as staff mentoring implemented during the first 6 to 9 months of a new employee’s tenure to foster positive coworker relations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,712
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,030
Tête enseignante GPT0,322
Écart entre enseignants0,292 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations45
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCriminal Justice ReviewMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207