MétaCan
Menu
Retour à la cohorte
Enregistrement W2236329373 · doi:10.5539/ass.v12n1p30

Retirement Planning & Job Satisfaction: Cushion to Avoid Bridge Employment?

2015· article· en· W2236329373 sur OpenAlexvenueno aff
Zaiton Osman, Grace Phang Ing, Azaze-Azizi Abdul Adis, Izyanti Awg Razli, Mohd Rizwan Abd Majid, Imbarine Bujang

Notice bibliographique

RevueAsian Social Science · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBridge (graph theory)Job satisfactionPsychologyLife satisfactionDemographic economicsLabour economicsSocial psychologyEconomicsMedicine

Résumé

récupéré en direct d'OpenAlex

Retirement forces older workers to disconnect with their previous behavioural patterns and economic position. Transition and adjustment from working life to retirement places great psychological pressure and financial distress on older workers, especially those with dependent children. Bridge employment provides a solution for older workers to continue working after retirement while transitioning into retirement slowly and smoothly. As losing the job role has a significant impact on the psychological well-being of retirees, engaging in bridge employment helps to fulfil the important psychological functions of older workers by providing an adaptive style to retirement. This study investigates the influence of retirement planning and job satisfaction on bridge employment. A self-administered questionnaire was used in this study and a total of 523 samples were collected for nine major districts in Sabah. Data were analysed using Partial Least Square (PLS) method version 2.0. The result showed a significant relationship between retirement planning and job satisfaction on bridge employment, explaining 4.7% the variance in bridge employment and job satisfaction was found to be the strongest predictor of bridge employment.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,303
Tête enseignante GPT0,463
Écart entre enseignants0,160 · 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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetRetirement, Disability, and EmploymentTravaux en français237 207