MétaCan
Menu
Retour à la cohorte
Enregistrement W3046387398 · doi:10.5267/j.msl.2020.7.025

Determinants of SMEs employees’ creativity and their impact on innovation at workplac

2020· article· en· W3046387398 sur OpenAlexvenueno aff
Sania Khan, Mohamed Mohiya

Notice bibliographique

RevueManagement Science Letters · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueImpact of AI and Big Data on Business and Society
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCreativityBusinessMarketingKnowledge managementIndustrial organizationBusiness administrationPsychologyComputer scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Employees being prolific in the workplace is equally essential to survive in the global job market. The study projected to identify various driving factors of employee creativity and proposed a theoretical model and further investigated the impact of independent variables on employee innovation. Using the survey questionnaire, primary data from 246 small and medium enterprises (SME) employees of Saudi Arabian organization was collected. Exploratory factor analysis (EFA) underlined the identified determinants into six causal factors namely training and brainstorming session (TBS), employee recognition and reward (ERR), resources and fund allocation (RFA), employee competencies (EC), workplace environment (WE) and management support (MS). Subsequently, multiple linear regression analysis was conducted to examine the influence of these factors on employee innovation (EI). Findings showed the regression model was significant and explained 84.2% of the variance on the dependent variable. Also, all six constructs resulted significant positive relationships with EI. Results showed EC has the highest positive relation with EI. The study demonstrated a better working environment, collaboration, team spirit, work autonomy, and morale will reinforce creativity with the support of management and allocation of resources and funds. Lack of these elements will ruin the work culture and thereby the workplace innovation. Though the results are presented from a small group and with no generalization, the study sheds light on many employees in creating a competitive edge and flourish with new opportunities by encountering uncertainties using new approaches at work. The findings are consistent and the study reconfirms the literature. The study also provides some indirect inferences to organizational human resource (HR) policymakers. Further, the limitations and future research scope were also well demonstrated.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,109
Score d'incertitude au seuil0,337

Scores Codex et Gemma par catégorie

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

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 Opus0,097
Tête enseignante GPT0,366
Écart entre enseignants0,269 · 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

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetImpact of AI and Big Data on Business and SocietyTravaux en français237 207