MétaCan
Menu
Retour à la cohorte
Enregistrement W2950682371 · doi:10.5430/ijfr.v10n5p327

A Conceptualization of the Effect of Organisational Justice on Turnover Intention: The Mediating Role of Organisational Citizenship Behaviour

2019· article· en· W2950682371 sur OpenAlexvenueno aff
Oussama Saoula, Muhammad Fareed, Saiful Azizi Ismail, Nurul Sharniza Husin, Rawiyah Abd Hamid

Notice bibliographique

RevueInternational Journal of Financial Research · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOrganizational Leadership and Management Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConceptualizationMediationCitizenshipBusinessTurnoverAffect (linguistics)Organizational citizenship behaviorEconomic JusticeTurnover intentionPsychologyPublic relationsSocial psychologyPolitical scienceOrganizational commitmentManagement

Résumé

récupéré en direct d'OpenAlex

Considering employees are the ultimate valuable assets, most companies nowadays give lots of effort and capitalise vital resources to preserve them. The turnover of those employees will affect the achievement of the organisations’ goals as well as the maintaining of the competitive advantage. Therefore, it is imperative to call for more studies to understand the factors affecting this phenomenon in different settings and contexts of research, particularly in the non-western perspectives such as Malaysia who is facing big challenges toward the employees’ turnover in many sectors. Therefore, the drive of this paper is to examine the relationship between organisational justice (OJ), organisational citizenship behaviour (OCB) (benefiting the individual OCB-I and benefiting the organisation OCB-O) and turnover intention (TI). Consequently, this study proposed framework to study the effect of organisational justice on turnover intention via the mediation role of organisational citizenship behaviour (OCB-I, OCB-O). Also, the direct impact between the variables has been discussed. Hence this paper is expected to fill the research gap and contribute to the body of knowledge in this area of research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,604
Score d'incertitude au seuil0,673

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,030
Tête enseignante GPT0,305
Écart entre enseignants0,276 · 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 tête enseignante, 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

Citations14
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetOrganizational Leadership and Management StrategiesTravaux en français237 207