MétaCan
Menu
Retour à la cohorte
Enregistrement W2950494966 · doi:10.5539/ibr.v12n7p1

The Impact of Environmental Sensing Strategies on the Organizational Effectiveness: Evidence from Jordan

2019· article· en· W2950494966 sur OpenAlexvenueno aff
Eyad Taha Al Rawashdeh, Ghazy Ali Al-Badayneh

Notice bibliographique

RevueInternational Business Research · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueOrganizational and Employee Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlexibility (engineering)IncentiveBusinessWork (physics)Organizational performanceOrder (exchange)Knowledge managementEnvironmental resource managementOperations managementEnvironmental economicsProcess managementMarketingComputer scienceManagementEngineeringFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

The purpose of study is to identifying the impact of environmental sensing strategies on the organizational effectiveness among Jordanian commercial banks. In order to achieve the study objective, a questionnaire was designed and distributed to 175-members study community from the managerial level (director, deputy director and head of department). The appropriate statistical methods were used to analyze the data. The result of the study reveals that, the level of applying environmental sensing strategies in Jordanian commercial banks has reached a high level. The level of organizational effectiveness in Jordanian commercial banks, has also reached a high level. There is a statistically significant impact of environmental sensing strategies (flexibility strategy, containment strategy, and forecasting strategy) on the organizational effectiveness as a whole and on its dimensions, individually, (availability of information, stability). The study reached a number of recommendations, the most important are: creating a system of incentives and rewards for the employees to motivate them to work and to demonstrate distinguished abilities to interpret and clarify the information in a way that serves the organization.

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)0,006
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,037
Tête enseignante GPT0,332
Écart entre enseignants0,295 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetOrganizational and Employee PerformanceTravaux en français237 207