MétaCan
Menu
Retour à la cohorte
Enregistrement W2880815098 · doi:10.5465/ambpp.2018.13911abstract

Building Organizational Commitment through Cognitive and Relational Job Crafting

2018· article· en· W2880815098 sur OpenAlexaff
Mette Strange Noesgaard, Frances Jørgensen

Notice bibliographique

RevueAcademy of Management Proceedings · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHuman Resource and Talent Management
Établissements canadiensRoyal Roads University
Organismes subventionnairesnon disponible
Mots-clésOrganizational commitmentNormativePsychologyJob analysisCraftAffective events theoryJob designJob performanceKnowledge managementContext (archaeology)Job attitudeCognitionOrganizational learningContextual performanceSocial psychologyBusinessPublic relationsJob satisfactionPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

The objective of this paper is to investigate the influence of job crafting amongst knowledge workers on organizational commitment. While there has been much interest on job crafting in recent years, there has been little focus on how different types of job crafting impact on organizational commitment, and on job crafting in knowledge intensive contexts. To address this aim, we conducted a longitudinal qualitative case study in an software solutions development firm in Denmark. Findings from the study suggest that relational and cognitive job crafting in particular encourage greater affective, normative, and continuous commitment, which may ultimately have a positive influence on talent retention. However, it was also discovered that there is considerable overlap between the types of job crafting, with task job crafting appearing to be a precursor of relational and cognitive job crafting. The paper contributes to further development of the literature by demonstrating a link between job crafting and organizational commitment in a knowledge intensive context, and to managerial practice by offering a strategy in which organizations can encourage greater organizational commitment by providing knowledge workers opportunities to craft their jobs.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,807
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,001
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 Opus0,028
Tête enseignante GPT0,260
Écart entre enseignants0,232 · 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.

Devis d'étudeThéorique ou conceptuel
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetHuman Resource and Talent ManagementTravaux en français237 207