The turnover behaviour of Francophone sailors in the Canadian Navy : an example of the utility of the Canadian Forces attrition monitoring system
Notice bibliographique
Résumé
The primary objectives of this study were: to confirm the structure and psychometric properties of the Canadian Forces Attrition Information Questionnaire (CFAIQ); to examine differential rates of attrition and reasons for leaving for Anglophone and Francophone sailors; and to test important components of Mobley's Expanded Turnover Process Model (1982). The CFAIQ (Lyon, 1987) captures important attrition information including reasons for leaving, CF/civilian comparisons, attitudes toward the CF experience, preparation for transition to civilian life and biographical information. Using archival data collected over a 5 year period, all Francophone and Anglophone graduates of sea-going (hard-sea) occupation training participated in the first portion of the study (N = 1077). Those who completed the Canadian Forces Attrition Information Questionnaire (CFAIQ) when leaving the Navy participated in the remainder of the study (N = 94). Consistent with previous research (e.g. Bender, Chouinard, Lee, Tanner, & Tseng, 1992; Montgomery, 1991), the results of the present study indicate Francophones continue to leave the Navy at double the rate of their Anglophone peers. In addition, Francophones reported more dissatisfaction with their CF experience and cited family issues as their most important reason for leaving as compared to job related issues for Anglophones. A LISREL analysis lent strong support to the Expanded Turnover Process Model (Mobley, 1982) upon which the CFAIQ was constructed and suggested a revised model for use in military organizations. The discussion of results includes recommendations for CFAIQ improvement and the need for a re-examination of the Realistic Job Preview (RJP) for Francophones entering the hard-sea occupations of the Navy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».