MétaCan
Menu
Retour à la cohorte
Enregistrement W2237520619 · doi:10.1002/job.2094

Location, location, location: Contextualizing workplace commitment

2016· article· en· W2237520619 sur OpenAlexaff
S. Arzu Wasti, Mark Peterson, Heiko Breitsohl, Aaron Cohen, Frances Jørgensen, Ana Carolina de Aguiar Rodrigues, Qingxiong Weng, Xiaohong Xu

Notice bibliographique

RevueJournal of Organizational Behavior · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensRoyal Roads University
Organismes subventionnairesFlorida Atlantic University
Mots-clésPsychologyOrganizational commitmentSocial psychologyPublic relationsBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

Summary The purpose of the present commentary is to discuss the nature and correlates of workplace commitment across cultures. We asked six organizational behavior scholars, who are intimately familiar with Brazil, China, Denmark, Germany, or Israel as their country of origin or extended residence, to “contextualize” workplace commitment. They did so by explicating institutional and cultural characteristics of their context on the emergence, meaning, and evolution of commitment by reference to their own research and extant local research. Their responses not only supported the utility of three‐component model of commitment but also revealed the differential salience of various commitment constructs (e.g., components and foci of commitment) as well as possible contextual moderators on the development and outcomes of commitment. The commentators also described changes including the growing prevalence of multicultural workforces within national borders and changes in employment relationships and cultural values in their national contexts and considered future research directions in culture and commitment research. Copyright © 2016 John Wiley & Sons, Ltd.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,005
Communication savante0,0040,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,051
Tête enseignante GPT0,382
Écart entre enseignants0,331 · 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

Citations54
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Organizational BehaviorMême sujetEmployment and Welfare StudiesTravaux en français237 207