MétaCan
Menu
Retour à la cohorte
Enregistrement W3097336975 · doi:10.5267/j.msl.2020.10.011

Effects of leader-member exchange and organizational culture on work engagement and employee performance

2020· article· en· W3097336975 sur OpenAlexvenueno aff
A. Nur Insan, R. Masmarulan

Notice bibliographique

RevueManagement Science Letters · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEmployee Performance and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmployee engagementOrganizational cultureAffect (linguistics)PsychologyEmployee researchSample (material)Work engagementJob performanceWork (physics)BusinessOrganizational performanceOrganizational commitmentPublic relationsSocial psychologyJob satisfactionMarketingPolitical science

Résumé

récupéré en direct d'OpenAlex

The objectives of this study are: (1) To determine whether the Leader-Member Exchange (LMX) and organizational culture can improve employee performance, (2) To conduct further research on employee performance by elaborating and analyzing variables that can affect work engagement, among others: members of the leadership and organizational culture. This research was conducted at a Telecommunication Company in Makassar, South Sulawesi with a sample size of 93 people. The analysis model used to determine the influence between variables was a structural model with the Partial Least Square (PLS) approach. In this study it was found that 1. LMX had no significant effect on job involvement. 2. LMX had no significant effect on worker performance. 3. Organizational culture had a significant effect on work engagement. 4. Organizational culture had a significant effect on employee performance, 5. Work management had no significant effect on employee performance. Leaders need to build high-level LMX relationships, equip workers with skills, increase employee professionalism and provide opportunities for employees, help solve the difficulties they face related to assigned tasks and make employees as friends so that they can increase their engagement and performance.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,024
Tête enseignante GPT0,256
Écart entre enseignants0,232 · 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

Citations20
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetEmployee Performance and ManagementTravaux en français237 207