MétaCan
Menu
Retour à la cohorte
Enregistrement W2782147344 · doi:10.5430/ijba.v9n1p55

The Ripple Effects of Performance Management on Employees’Perceptions and Affective Commitment among Small and Medium Scale Enterprises (SMEs)

2017· article· en· W2782147344 sur OpenAlexvenueno aff
Anita Asamany, Shaorong Sun

Notice bibliographique

RevueInternational Journal of Business Administration · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessSmall and medium-sized enterprisesScale (ratio)Context (archaeology)Organizational commitmentKnowledge managementPerceptionMarketingOrganizational performancePerformance managementPsychologyComputer scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Management literature acknowledges the important role played by performance management systems (PMS) in business organization, however, a little empirical studies exist in the Ghanaian context.Using a sample data of 180 from managements and staffs of thirty-eight (38) Small and Medium Scale Enterprises (SMEs), the current study presents the effects of performance management systems on employees perception and organizational commitment (affective) among Small and Medium Scale Enterprises (SMEs) located in the Greater Accra region of Ghana.Statistical Package for Social Sciences 20.0 version (SPSS) and Microsoft Word 2010 were employed for the data analysis. From the result, performance management had a positive significant relationship with employees’ perceptions and affective organizational commitment.The study further examined the mediating role of both employees’ perceptions and affective commitment on performance management towards operational performance, it was revealed that both variables positively mediate the relationship between performance management and organizational performance of the SMEs in Ghana. This indicates that SMEs in Ghana have seen the need for implementing proper performance management systems based on their own capabilities to ensure effectiveness in meeting the organizational objectives.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,013
Score d'incertitude au seuil0,461

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,250
Écart entre enseignants0,241 · 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 tête enseignante, 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

Citations10
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business AdministrationMême sujetJob Satisfaction and Organizational BehaviorTravaux en français237 207