MétaCan
Menu
Retour à la cohorte
Enregistrement W3096337883 · doi:10.5267/j.msl.2020.9.041

Cyberloafing as a mediating variable in the relationship between workload and organizational commitment

2020· article· en· W3096337883 sur OpenAlexvenueno aff
Mohammad Abdallah Aladwan, Imad Al Muala, Hayatul Safrah Salleh

Notice bibliographique

RevueManagement Science Letters · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCyberloafing and Workplace Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWorkloadOrganizational commitmentMultilevel modelRegression analysisPsychologyWork (physics)The InternetVariablesBusinessSocial psychologyComputer scienceManagementStatisticsMathematicsEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

The availability of the internet and its usage has become accessible to all and it has contributed to the ease of employees avoiding work pressure and leading it for non-work-related matters, which is cyberloafing. It has caused many problems in organizations and the most affected are organization commitment. The purpose of this study is to examine the impact of workload dimensions (psychological workload and physical workload) on organizational commitment. It also seeks to determine whether cyberloafing mediates the link between workload and organizational commitment. A survey was conducted on 304 employees of a mining company in Jordan. Descriptive statistics, correlation, multiple regression, and hierarchical regression analyses were performed to analyse the data using SPSS v23. The results showed that the workload significantly influenced the organizational commitment among the employees. Cyberloafing was found to partially mediate the link between both workload variables and organization commitment. The study was conducted in the mining industry in Jordan. Thus, future study is suggested to examine the model in other industries and countries.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,009
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,041
Tête enseignante GPT0,300
Écart entre enseignants0,259 · 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

Citations25
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetCyberloafing and Workplace BehaviorTravaux en français237 207