MétaCan
Menu
Retour à la cohorte
Enregistrement W3133506566 · doi:10.48110/joi.v2i1.17

The Impact of Crisis Management on Employee’s Performance in the Yemeni Oil and Gas Industry

2021· article· en· W3133506566 sur OpenAlexaff
Ghadah Mansoor Al-Ariki, Mohammed Saleh Al-Abed

Notice bibliographique

RevueJournal of Impact · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRisk Management in Financial Firms
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésCronbach's alphaPreparednessPetroleum industryBusinessCrisis managementReliability (semiconductor)Operations managementMarketingManagementEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

This study examines the impact of crisis management on employee’s performance in the Yemeni oil and gas industry. Crisis management was measured by two dimensions; crisis preparedness and crisis prevention. Whereas employee’s performance was measured by three diminutions; task performance, adaptive performance, and contextual performance. The study uses a quantitative approach. Questionnaires were used to collect data from 6 oil and gas companies. The sample comprises of 351 participants, out of which 268 (74.23%) responded. The reliability of the instruments was examined and the results of the Cronbach’s Alpha was .906, indicating an excellent reliability. The results of regression analysis reveal that crisis management as the whole independent variable has a significant impact on employee’s performance as dependent variable. Furthermore, the results of regression analysis reveal that there is a significant relationship between crisis management and employee’s performance in terms of crisis preparedness, crisis prevention, and employee’s performance. Essentially, crisis appraisals should include testing as an integral aspect of planning for any eventuality. Ultimately, organizations should install communication units or structures and ensure employees are trained well. This study has made some recommendations for oil and gas companies.

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)0,001
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 enseignants0,244
Score d'incertitude au seuil0,389

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,277
Écart entre enseignants0,258 · 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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ImpactMême sujetRisk Management in Financial FirmsTravaux en français237 207