The Examination of Teachers’ Levels of Organizational Happiness
Notice bibliographique
Résumé
This study aims to investigate the levels of organizational happiness of teachers working in primary, secondary, and high schools and to determine whether there is a significant difference in terms of some demographic characteristics. The screening model was employed in the study. The study population consists of teachers working in the Küçükçekmece, Bağcılar, Avcılar, and Esenyurt districts during the 2017-2018 academic year. The sample of the study comprises 297 teachers working in the Küçükçekmece, Bağcılar, Avcılar, and Esenyurt districts and selected via the convenience/incidental sampling method. In the study, the “Personal Information Form” created by the researchers and the “School Happiness Scale” developed by Bulut (2015) were used as data collection tools. The SPSS packaged software was used in the data analysis. According to the results of the data analysis, teachers’ general happiness perceptions and organizational happiness perceptions were observed to be high according to the subdimensions of management processes, attitudes towards the teaching profession, communication, commitment and economic provision of the School Happiness Scale. Teachers’ perceptions of organizational happiness differed significantly according to the level of education taught by teachers in the subdimensions of management processes and economic provision of the School Happiness Scale. Teachers’ perceptions of organizational happiness differed significantly according to professional seniority in the management processes subdimension of the School Happiness Scale. Teachers’ perceptions of organizational happiness differed significantly in the subdimensions of management processes, attitudes towards the teaching profession, commitment, and economic provision of the School Happiness Scale and according to the branch variable in the overall total. Teachers’ perceptions of organizational happiness did not differ significantly according to the variables of gender, educational status, age, and seniority in the school where they worked.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».