MétaCan
Menu
Retour à la cohorte
Enregistrement W3121766726

Peningkatan Kinerja Pegawai Melalui Kemampuan Kerja, Motivasi Kerja dan Fasilitas Kerja di Kecamatan Eromoko Kabupaten Wonogiri

2020· article· id· W3121766726 sur OpenAlexaff
Devi Yuliana Putri, Nuryati Nuryati

Notice bibliographique

Revuenon disponible
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueEmployee Performance and Management
Établissements canadiensAdidas (Canada)
Organismes subventionnairesnon disponible
Mots-clésWork motivationHumanitiesPsychologyPhysicsWork (physics)Art
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Tujuan penelitian ini adalah untuk menganalisis dan mengetahui signifikasinya pengaruh kemampuan kerja, motivasi kerja dan fasilitas kerja terhadap kinerja pegawai Kecamatan Eromoko Kabupaten Wonogiri. Populasi dalam penelitian ini adalah pegawai Kecamatan Eromoko Kabupaten Wonogiri yang berjumlah 39 pegawai. Sampel diambil pada pegawai Kecamatan Eromko Kabupaten Wonogiri sebanyak 39 pegawai dengan metode sensus sampling. Analisis dalam penelitian ini terdiri dari, pengujian instrument : uji validitas dan uji reliabilitas, uji asumsi klasik, analisis regresi linear berganda, uji t, uji F dan uji R2. Hasil penelitian menunjukan bahwa : (1) kemampuan berpengaruh positif dan tidak signifikan terhadap kinerja pegawai; (2) motivasi berpengaruh positif dan signifikan terhadap kinerja pegawai; (3) fasilitas berpengaruh positif dan signifikan terhadap kinerja pegawai; (4) kemampuan, motivasi dan fasilitas berpengaruh signifikan terhadap kinerja pegawai; (5) koefisien determinasi (R2) didapatkan hasil sebesar  0,756 yang berarti variabel kemampuan kerja, motivasi kerja dan fasilitas kerja dapat menjelaskan 75,6% variabel kinerja pegawai, sedangkan sisanya sebesar 24,4% dijelaskan oleh variabel lain yang tidak teliti seperti disiplin kerja, komitmen organisasi, kompensasi, budaya organisasi dan lingkungan kerja.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0260,003

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 Opus0,044
Tête enseignante GPT0,285
Écart entre enseignants0,241 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEmployee Performance and ManagementTravaux en français237 207