Leading to intrinsically reward professionals for sustained engagement
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to identify leader behaviors that foster intrinsic rewards (IRs) in technical professionals, sustain their felt and behavioral engagement, and relate the career outcomes of performance, satisfaction with the organization, and retention. Design/methodology/approach – Employing an action research approach, four studies were undertaken to: first, identify what intrinsically motivates professionals in a large R & D organization; second, create a survey of the leader behaviors that foster a sense of IR and engagement; and third, use the survey with two samples (Canada, Europe) to examine the relationships of engagement with three desired career outcomes. Findings – Leader behaviors can foster a sense of IRs which are related to performance, satisfaction with the organization, and retention. These relationships were partially mediated by felt and behavioral engagement, with felt engagement more strongly associated with satisfaction and retention, and behavioral engagement with performance. Research limitations/implications – Leaders play a significant role in fostering a sense of IR in technical professionals, which helps to sustain their engagement. Important distinctions among IRs, felt engagement, and behavioral engagement are made that contribute to a better understanding of how these constructs affect the careers of professionals. Originality/value – Professionals and other knowledge workers are often thought to be self-motivated, or motivated by the tasks they perform. Leaders can greatly enhance this motivation and important career outcomes of satisfaction, performance, and intent to stay.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».