MétaCan
Menu
Retour à la cohorte
Enregistrement W2739394767 · doi:10.5539/ibr.v10n8p249

Impact of Professionalism and Accountability among Royal Malaysian Police (RMP) Staffs in Selangor, Malaysia

2017· article· en· W2739394767 sur OpenAlexvenueno aff
Mahiswaran Selvanathan, Noor Ain Zeni, Pei Jun Tan

Notice bibliographique

RevueInternational Business Research · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEmployee Performance and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountabilityCustomer satisfactionProductivityPublic sectorBusinessWork (physics)Data collectionService qualityFront lineMarketingCustomer serviceService delivery frameworkQuality (philosophy)Service (business)Public relationsEngineeringEconomicsPolitical scienceEconomic growthSociology

Résumé

récupéré en direct d'OpenAlex

One of the biggest challenges in public sector is to make the customer satisfied. The service provider of public sector in Malaysia face greater challenge in making their customers happy due to the lame systems. This paper attempts to develop a general framework by examining the concepts of professionalism, accountability, work quality, and customer satisfaction. The main purpose of this study is to increase the customer satisfaction by focusing on effectiveness, efficiency and productivity of a RMP staff through professionalism and accountability. In this study, the convenience sampling is used for data collection. A total of 86 respondents were participated in this research. The data has been gathered from the respective employees of the front-line services to measure the customer satisfaction based on the employees. The attempt of this paper is to improve the Effectiveness, Efficiency, and Productivity for the service delivery in public sector.

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)0,002
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 enseignants0,030
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
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 Opus0,100
Tête enseignante GPT0,485
Écart entre enseignants0,385 · 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 revueInternational Business ResearchMême sujetEmployee Performance and ManagementTravaux en français237 207