MétaCan
Menu
Retour à la cohorte
Enregistrement W2907355749 · doi:10.5267/j.msl.2018.12.007

The impact of human resource practices on job satisfaction and intention to stay in emerging economies: Model development and empirical investigation among high caliber governmental employees in Qatar

2018· article· en· W2907355749 sur OpenAlexvenueno aff
Ahmed Mehrez, Anas A. Al Bakri

Notice bibliographique

RevueManagement Science Letters · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocioeconomic Development in MENA
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJob satisfactionBusinessHuman resourcesResource (disambiguation)Empirical researchHuman resource managementHuman resource policiesMarketingOperations managementManagementEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

High rates in turnover of skilled employees can turn to be a very significant concern in organizations world-wide.Turnover affects productivity, product or service quality and of course profitability.As Human Resources (HR) activities can be considered as a primary source of sustainable competitive advantage in organisations, it would also play a major role in employees' intention to stay or to leave.This paper examines the influence of different human resource practices on employees' job satisfaction and organizational commitment and eventually on job turnover with a focus on the governmental sector in the State of Qatar.In order to develop such investigation, a model was suggested and an online questionnaire was developed and distributed.Hypotheses were tested on a sample of more than 250 highly ranked employees in Qatar.Statistical correlations were conducted to examine the relationships among variables under investigation.The results show that positive relationships were observed between the HR practices under investigation and job satisfaction and organizational commitment which indicate intention to stay.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,055
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,036
Tête enseignante GPT0,344
Écart entre enseignants0,309 · 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

Citations35
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetSocioeconomic Development in MENATravaux en français237 207