Academic Staff Turnover Intention in Madda Walabu University, Bale Zone, South-east Ethiopia
Notice bibliographique
Résumé
AbstractIntroduction: Employee retention is one of the challenges facing several organizations in both the developed and developing countries of the world. Higher education institutions serve as storehouses of knowledge for nurturing the manpower needs of the nation. Higher education institutions are therefore more dependent on the intellectual and creative abilities and commitment of the academic staff than most other organizations. This therefore makes it critically important to retain this cadre of staff. This research was carried out to determine the prevalence of academic staff turnover intention and the factors contributing for it among Madda Walabu University academic staff.Methods: An institution based cross sectional study design was employed. Two hundred and seventeen academic staff were selected randomly and interviewed using a structured self-administered questionnaire. An in-depth interview was carried out on six academic staff. Binary and multiple logistic regression analysis was used using SPSS version 16. To have a more accurate result, triangulation of quantitative findings and an in-depth interview was used. Results: A total of 217 academicians responded to the questionnaire. One hundred sixty four, (75.6%) respondents intended to leave Madda Walabu University and 24.4% of academic staff intended to retain their position or post. A bad work environment (lack of facilities like offices, chairs, internet and toilets) was the most frequently cited reason for leaving (71.3%) followed by 63.4% due to poor management and leadership and 63.4% due to inadequate salary. Academic staff who had worked five or more years in Madda Walabu University were 4.5 times more likely to leave their institution [AOR = 4.5, 95% CI: 1.37, 14.9]. Conclusion: The prevalence of academic staff intending to leave was found to be very high and as a result, Madda Walabu University will be in an alarming state of staff turnover. Before this happens, there should be staff retention mechanisms in place to improve the work environment, management and leadership and remuneration methods to retain senior and skilled academicians.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».