Determinants of Job Rotation among administrative staff of Tamale Polytechnic,Ghana
Notice bibliographique
Résumé
This study employed descriptive survey to investigate the determinants of Job Rotation among the administrative staff at Tamale Polytechnic. A multi-stage sampling technique was employed for the study. The population was stratified into Senior Members (35), Senior Staff (45), and Junior Staff (55). Krejcie and Morgan (1970) table was used to select (32) Senior Members, (40) Senior Staff, and (48) Junior Staff respectively. Simple Random Sampling was used to select the required numbers from their respective populations. The instruments employed for the collection of data were questionnaires validated with the help of experts and pre-tested to ensure reliability. R egression analysis was used to analyse determinants of Job Rotation as assessed by Senior Members, Senior Staff, and Junior Staff computed at p < 0.05 . The predictors in the construct were Age, Gender, Socio-cultural relationships, Performance, Training and Motivation of employees, while the ‘Number of Times Rotated’ in the institution formed the dependent variable. The assessment of Senior Members showed that, Performance, Training and Motivation of employees contributed largely to the explanation of the dependent variable ‘Number of Times Rotated’. This was found to be significant at .05, .04, and .03. Equally, Socio-cultural relationships, Performance, Training, and Motivation of employees contributed greatly to the explanation of the dependent variable ‘Number of Times Rotated’ and this was found to be significant at .03, .04, .04, and .03 as assessed by Senior Staff, and .01, .02, .04, and .02 as assessed by Junior Staff. To this end, the study recommends for the provision of a Job Rotation Policy that would clearly state the basis for such exercise to help increase the confidence of staff in the system.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».