Psychosocial Programmes and Employees Retirement Preparedness: Empirical Evidence From the Educational Sector in Kenya
Notice bibliographique
Résumé
Retirement is a process with employees planning decisions generally focusing on the subjective life expectancy, a mental model of years remaining before one dies. Indeed, the real exit of an individual from a career job is accompanied by changes that include social and psychological, resources leading to variations in an individual’s well-being. The purpose of this study was to assess how employees’ engagement in psychosocial programmes affects their retirement preparedness in the education sector in Kenya. The target population was 1,238 teachers aged 50 years and above and employed in public secondary schools by the Teachers Service Commission in Kirinyaga and Murang’a Counties by 2017. A representative sample of 334 respondents was selected using multistage sampling technique. Data was collected using semi structured questionnaire and interview guide. Logit regression was used to establish the relationships between variables in the study and to test the null hypotheses at P ≤ 0.05 confidence level. The findings indicate that even though the sampled pre-retiree teachers were not adequately prepared for retirement psychosocially, yet their engagement in psychosocial programmes increases their retirement preparedness level. The reported findings extend the current understanding of employee separation programmes and raise implications for the various theories that underpin employee separation decisions in HRM.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».