MétaCan
Menu
← Retour à la cohorte
Enregistrement W2619733436 · doi:10.5539/ass.v13n6p113

Developing & Validating a Measure for PR Professionals’ Self-efficacy

2017· article· en· W2619733436 sur OpenAlexvenueno aff
Ahmed Lawal Gusau, Zulhamri Abdullah, Ezhar Tamam, Nurul Ain Mohd Hasan

Notice bibliographique

RevueAsian Social Science · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOperationalizationPsychologyExploratory factor analysisConfirmatory factor analysisNeglectScale (ratio)Discriminant validitySocial psychologySelf-efficacyMeasure (data warehouse)Construct validityExploratory researchApplied psychologyField (mathematics)Construct (python library)PsychometricsStructural equation modelingComputer scienceSociologyClinical psychologyStatisticsSocial scienceMathematics

Résumé

récupéré en direct d'OpenAlex

For the past three decades self-efficacy studies have been conducted in social science and other fields of academic endeavor. However, sufficient evidence has clearly shown that this research interest seems to neglect Public Relations (i.e. PR) discipline as there are hardly traceable works connected to this important field of study. This work therefore, represents an attempt to develop PR professionals’ self-efficacy scale to measure the ability of PR professionals in carrying out their duties. Exploratory factor analysis was conducted with PR experts and the result has shown a required factor loading for 23 out of total 24 items. Equally, the six operationalized dimensions were all consistent when confirmatory factor analysis was conducted. Similarly, discriminant and convergent validity tests which guarantees the instrument as valid for measuring Public Relations practitioners’ self-efficacy were also found to be fit.

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)0,029
score de la tête « metaresearch » (Gemma)0,033
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 enseignants0,029
Score d'incertitude au seuil0,156

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,059
Tête enseignante GPT0,343
Écart entre enseignants0,284 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social Science→Même sujetJob Satisfaction and Organizational Behavior→Travaux en français237 207→