MétaCan
Menu
Retour à la cohorte
Enregistrement W2407796332 · doi:10.5539/ijef.v8n6p258

Influence Factors Internal and External Factors Motivation and Performance of Employees: Do not Stay Civil Service Policy Unit

2016· article· en· W2407796332 sur OpenAlexvenueno aff
Pandi Afandi, Helwen Heri

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEmployee Performance and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOfficerVariablesPopulationService (business)PsychologySample (material)Civil serviceJob performanceWork motivationWork (physics)Variable (mathematics)Social psychologyBusinessOperations managementPublic serviceMarketingJob satisfactionPublic relationsMathematicsEngineeringStatisticsPolitical scienceSociologyLawDemography

Résumé

récupéré en direct d'OpenAlex

This research of background that directional and effective use of labor represent key toward the make-up of officer performance so that need to District Police Public Service head to make a manage the members always enthusiastic in working and having positive in executing work.Effort roomates can be a head-to Increase the activity spirit of enthusiasm, that is by giving good motivation and job performance.Intention of this research is to know and Analyzed do internal factors variable, external factor variable and motivation have influenced the which significantly either through partial and Also simultaneously to job performance officer, and Also from internal factors variable, external factor variable and motivation is the which most having an effect on the which to job performance officer. This research is a survey verification sampling on 200 people from 236 respondend contract employee population of District Police Public Service Riau Province.This research represent research highlighting clarification relation between research variables and test hypotheses have been Formulated Previously roomates.Hereinafter technique intake of sample is used by population technique, where samples taken pursuant to SEM formula for 25 manifest variables using a minimum of 200 samples.Technique Analyzed using descriptive and quantitative analysis by applying the method of Structural Equation Modelling (SEM) with Analysis of Moment Structures (AMOS) programe.

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)0,005
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 enseignants0,010
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,274
Écart entre enseignants0,249 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetEmployee Performance and ManagementTravaux en français237 207