MétaCan
Menu
Retour à la cohorte
Enregistrement W2971078866 · doi:10.5539/jms.v9n2p73

Influence of Factor-Magnitude on Occupational Stress Among Agricultural Research Sector Employees in Kenya

2019· article· en· W2971078866 sur OpenAlexvenueno aff
Yusuf Wanjala Musi, D. A. Ogolla, Daniel L. Mutisya

Notice bibliographique

RevueJournal of Management and Sustainability · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRestructuringAgricultureRemunerationJob satisfactionBusinessOccupational stressFoundation (evidence)Work (physics)SocioeconomicsPsychologyPolitical scienceEngineeringGeographySociologySocial psychologyFinance

Résumé

récupéré en direct d'OpenAlex

Job dissatisfaction is inevitable in any work environment. The present study explored influence of factor-magnitude on occupational stress among agricultural research sector employees in Kenya. The study was carried out during the restructuring period of the agricultural research institutes in Kenya between 2013 and 2016. The restructuring resulted in the formation of the Agricultural and Livestock Research Organization through the dissolution of four agricultural research institutes and merger of their operations and functions. The former institutes were: Coffee Research Foundation, Kenya Agricultural Research Institute, Kenya Sugar Research Foundation, and Tea Research Foundation. The 2922 employees of the organization were disillusioned during the four years of restructuring due to the loss of upkeep allowances among other benefits. A structured questionnaire was administered to 352 randomly selected employees in a survey carried out in 2016–2017. The study found that poor working conditions, effort-reward imbalance, job psychological distress, and lack of work motivation had significant (p < 0.05) effects on occupational stress. It was concluded that the on-going structural and remuneration changes would result in higher levels of job satisfaction and reduction in occupational stress among employees.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,011
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,031
Tête enseignante GPT0,404
Écart entre enseignants0,372 · 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 revueJournal of Management and SustainabilityMême sujetWorkplace Health and Well-beingTravaux en français237 207