MétaCan
Menu
Retour à la cohorte
Enregistrement W2787538109 · doi:10.5430/ijba.v9n2p9

Differences in Work Values by Gender and Generation: Evidence from Egypt

2018· article· en· W2787538109 sur OpenAlexvenueno aff
Maha Ahmed Zaki Dajani

Notice bibliographique

RevueInternational Journal of Business Administration · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIslamic Finance and Banking Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReligiosityPsychologyConfirmatory factor analysisScale (ratio)PrestigePopulationSocial psychologyWork (physics)Structural equation modelingDemographyDemographic economicsStatisticsSociologyGeographyMathematicsEconomics

Résumé

récupéré en direct d'OpenAlex

This research was built on the previous research titled “The Mediating Role of Work Values in the Relationship between Islamic Religiosity and Job Performance: Empirical Evidence from Egyptian Public Health Sector” (2017) and continued to examine work values differences based on gender and generation. A quota sampling procedure was used to survey (400) participants in (10) public Egyptian hospitals. The positive response rate of the target population was (83.75%). Work values were measured using Lyon Work Values Survey (LWVS) revised 25-item scale to assess four types of work values, namely, instrumental values, cognitive values, social/altruistic values, and prestige values. It also ranked the importance of each of these 25-items according to gender and age. A confirmatory factor analysis, using AMOS 20, was conducted to confirm the factor structure of the used scale on the target population. The Findings revealed that there exists a similarity on the high importance of instrumental work values to both males and females, in all age groups. Dissimilarities are more apparent among other types of work values based on gender and generations. These results suggested that understanding work values differences based on these two demographic factors have a significant impact on the improvement of human resources practices and the development of management theory.

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 enseignants0,066
Score d'incertitude au seuil0,347

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 Opus0,055
Tête enseignante GPT0,277
Écart entre enseignants0,222 · 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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business AdministrationMême sujetIslamic Finance and Banking StudiesTravaux en français237 207