MétaCan
Menu
Retour à la cohorte
Enregistrement W2979587601 · doi:10.1108/ebhrm-02-2019-0012

External career mentoring and mentor turnover intentions

2019· article· en· W2979587601 sur OpenAlexaff
Robert W. Renn, Robert Steinbauer, Tobias M. Huning

Notice bibliographique

RevueEvidence-based HRM a Global Forum for Empirical Scholarship · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésTurnover intentionPsychologyOriginalityMediationTurnoverCareer developmentModerated mediationMedical educationJob satisfactionSocial psychologyMedicineManagementPolitical science

Résumé

récupéré en direct d'OpenAlex

Purpose Although studies have improved understanding of the relation between external career mentoring and mentor work outcomes, an important question remains regarding whether this mentoring function influences mentor turnover intentions. The purpose of this paper is to investigate the impact of career mentoring outside the workplace on mentor turnover intentions. Design/methodology/approach Data were collected from 101 working business professionals in the southeastern USA at two points in time who provided career mentoring to business student protégés in an eight-month university sponsored mentoring program. Findings As hypothesized, moderated mediation analysis indicated that amount of external career mentoring negatively related to mentor turnover intentions and that the indirect effect of external career mentoring on mentor turnover intentions via mentor work engagement was stronger when both mentor protégé satisfaction and meeting frequency were high vs low. A two-way interaction revealed that mentors reporting higher protégé satisfaction had lower turnover intentions when meeting frequency was high vs low. Originality/value The findings help clarify the external career mentoring and mentor turnover intentions relation and have valuable theoretical implications for research on the benefits external mentoring can provide mentors. They also have practical implications for using external mentoring to enhance mentor work engagement and reduce mentor turnover intentions.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,282
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,126
Tête enseignante GPT0,396
Écart entre enseignants0,270 · 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.

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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence-based HRM a Global Forum for Empirical ScholarshipMême sujetMentoring and Academic DevelopmentTravaux en français237 207