MétaCan
Menu
Retour à la cohorte
Enregistrement W2305723586 · doi:10.5539/ijef.v8n4p271

Impact of Motivation on Productivity of Craftsmen in Construction Firms in Lagos, Nigeria

2016· article· en· W2305723586 sur OpenAlexvenueno aff
Afuye Funso, Letema Sammy, Munala Gerryshom

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Performance Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivityIncentiveOvertimeWork (physics)BusinessMarketingOperations managementEconomicsEngineeringLabour economicsEconomic growthMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Motivation has been identified as a useful tool for enhancing productivity. This study aims at determining the impact of motivation on productivity of craftsmen in construction firms in Lagos, Nigeria. Sixteen motivating factors were identified through literature review common to Nigeria construction climate which were used to design questionnaire for the study. A total of 295 questionnaires were administered with 150 filled and returned. This constitute response rate of 50.85%. Productivity rating was done by work study. The mean of motivating factors was correlated with percentage productive hour observed in the sixteen sites surveyed. The outcome indicates that there is positive linear relationship between motivation and productivity. Therefore, motivation influences craftsmen performance in Nigeria construction industry. Further analysis also shows that craftsmen are basically motivated by financial incentives. The paper recommends that financial incentive should be considered for craftsmen in the industry. Moreover, alternative method to working overtime should be employed. The paper concluded that motivation strategy that will enhance productivity should be adopted for workers in the industry.

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)0,002
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 enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,020
Tête enseignante GPT0,250
Écart entre enseignants0,230 · 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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetManagement and Performance EvaluationTravaux en français237 207