MétaCan
Menu
Retour à la cohorte
Enregistrement W2183834167 · doi:10.5539/jms.v5n4p86

The Influences Impacting Staff Turnover in Higher Education

2015· article· en· W2183834167 sur OpenAlexvenueno aff
Obed Figueroa

Notice bibliographique

RevueJournal of Management and Sustainability · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCLARITYHigher educationProductivityTurnoverInstitutionPublic relationsWork (physics)PhenomenonEthnic groupDemographic economicsPsychologyBusinessMedical educationPolitical scienceManagementEconomic growthEconomicsMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

<p>So what is happening within Higher Education where the turnover impacts have contributed to workplace costs in 2008 of 68 million dollars? This review will focus on the multiple influences of staff turnover within Higher Education Institutions and those that are affected. The research findings provide evidence of multiple impacts associated with administrative turnover. This phenomenon crosses all institution types, disciplines, genders, races and ethnicities. Some of the hidden influences can be found among the existing employees that stay behind. As a result these employees experienced the sense of a shared loss and a decrease in their work productivity.</p>This review hopes to provide clarity on the issues which are impacting organizational structures within Higher Education Institutions resulting in low administrative and faculty retention. The implications for practice are significant and the solutions offered will strengthen the internal operations for Higher Education institutions.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,426
Score d'incertitude au seuil0,221

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,041
Tête enseignante GPT0,411
Écart entre enseignants0,370 · 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.

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

Citations19
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and SustainabilityMême sujetHigher Education Research StudiesTravaux en français237 207