MétaCan
Menu
Retour à la cohorte
Enregistrement W2584204447 · doi:10.1108/pr-05-2015-0149

A longitudinal investigation of self-initiated expatriate organizational socialization

2017· article· en· W2584204447 sur OpenAlexaff
Carmen K. Fu, Yu‐Shan Hsu, Margaret A. Shaffer, Hong Ren

Notice bibliographique

RevuePersonnel Review · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Student and Expatriate Challenges
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésExpatriateSocializationPsychologyOriginalitySocial psychologyContext (archaeology)Public relationsPolitical scienceCreativity

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to examine the process of self-initiated expatriate (SIE) organizational socialization. Design/methodology/approach To assess the socialization process, data were collected at three points in time. SIE English teachers were surveyed at three points in time. At Time 3, data from the principals of those teachers who completed surveys at Time 2 were also collected. Findings Organizational socialization tactics facilitate social integration and learning speed, which, in turn, are positively related to SIE adjustment. Moreover, SIEs who climbed the learning curve more quickly were only able to capitalize on their learning ability to promote performance when their calculative commitment was low. Originality/value First, in contrast with the majority of expatriate socialization studies that tend to focus on the proactive behaviors of expatriates, the authors examine the organizational socialization tactics of a local host organization. Second, they consider the role of calculative commitment, which is especially germane to the SIE context, on SIE performance. Third, this study contributes to the organizational socialization literature by recognizing that socialization is an on-going process that continues to influence employees even after they are no longer “newcomers.” Fourth, the authors assess adjustment directly rather than through proxy measures.

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)0,005
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,006
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
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 savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,111
Tête enseignante GPT0,377
Écart entre enseignants0,266 · 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

Citations35
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePersonnel ReviewMême sujetInternational Student and Expatriate ChallengesTravaux en français237 207