The influence of Organizational Climate and Organizational Socialization on Knowledge Management: An empirical study in banking sector of Pakistan
Notice bibliographique
Résumé
The basic objective of the empirical study is to identify the influence of organizational socialization (OS) and organizational climate (OC) on knowledge management (KM) among the banking sector of Pakistan. The above said sector is selected as population of the current research. By using the simple random sampling technique, different branches of public banks and private banks are selected as a sample. 270 questionnaires were circulated to top level managers and middle level managers. 240 questionnaires were filled by employees and used for analysis. The overall response rate was 89%. Different statistical techniques i.e. Pearson’s correlation analysis, multiple regression analysis and reliability analysis are applied on collected data. The results of Pearson’s correlation analysis shows that there is positive relationship between organizational climate (OC), organizational socialization (OS), knowledge management (KM), its dimensions i.e. knowledge sharing (KS) and knowledge application (KA). Moreover, regression analysis’s results explain that organizational socialization is strong predictor of knowledge management as compare to organizational climate. From the management point of view, the results give clear clue to Pakistan’s banking sector must understand the importance of organizational socialization, organizational climate for the purpose of knowledge management. In future researches, data may be collected to other sectors like telecom industry, textile industry and education sector etc. for more generalizing the results. Moreover, researches some other variables like social interaction, perceived organizational support, and perceived supervisor support may also be conducted.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».