Public service motivation in the Chinese public and private sectors
Notice bibliographique
Résumé
Purpose The purpose of this paper is to statistically test if the public service motivation (PSM) measure operates in the same way across the public and private sectors of a municipal district in China. It also contrasts the relationship between PSM and workplace outcomes across sectors and employee age groups. Design/methodology/approach Survey data from independent samples of public ( n =220) and private ( n =230) sector employees in the Changsha Municipal District of China is used. The analysis tests for invariance across groups, before comparing mean values and regression weights. Findings Only in respect of one PSM dimension do findings show a significant higher mean in the public sector. No significant difference is found on the impact of PSM on employee performance across sectors, while it is in the private sector that PSM has the greater impact on intention to leave. Findings also show no marked impact of age upon outcomes. Research limitations/implications This study provides an initial set of results and further research will need to be undertaken to verify them. The limited sample size and narrow geographical focus, although in line with similar studies on China, means the ability to draw generalisations is limited. The reliance on self-reported measures means issues with common method bias cannot be ignored. Measures were taken during data collection to minimise issues of bias and a set of post-hoc test results are provided. Practical implications The recruitment of employees with higher levels of PSM can be expected to play a role in achieving better outcomes, regardless of sector and age profile. Originality/value The PSM measure has been applied by researchers across various economic sectors. This paper is one of the first to statistically test if the concept and its measure operates in the same way across sectors. The paper contributes to the on-going debate on PSM in the context of China and its relationship with a number of key output variables. Finally, the paper contributes to the emerging debate on changing workforce demographics and their role in shaping outcomes.
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| 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 ».