MétaCan
Menu
Retour à la cohorte
Enregistrement W3022992665 · doi:10.5267/j.msl.2020.5.001

Identifying factors influencing on civil service intentions to conduct whistleblowing

2020· article· en· W3022992665 sur OpenAlexvenueno aff
Badingatus Solikhah, Adinda Putri Ismayunda, Agung Yulianto, Trisni Suryarini, I Gusti Ketut Agung Ulupui

Notice bibliographique

RevueManagement Science Letters · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessService (business)Civil servicePsychologyPublic relationsMarketingPolitical sciencePublic service

Résumé

récupéré en direct d'OpenAlex

This study aims to determine the effects of different factors influencing on civil service intentions to conduct whistleblowing. The factors include attitudes toward whistleblowing, organizational commitment, personal cost of reporting, wrongdoer, ethical environment, gender, and ethnicity. We conduct survey on 135 employees who work for financial audit institutions in Central Java Province of Indonesia. The results of the study indicate that attitude, organizational commitment and ethnicity had positive effects on whistleblowing intentions, while retaliation views and violator status had a negative effect on the intention of doing whistleblowing. However, the ethical environment and gender did not affect the intention of civil servants to do whistleblowing. It can be concluded that in the formation of intentions to conduct whistleblowing, there is a need for existence of self-control from various limitations.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,725
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,006
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,356
Tête enseignante GPT0,423
Écart entre enseignants0,066 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetEthics in Business and EducationTravaux en français237 207