Hospital digitalization in the era of industry 4.0 based on GHRM and service quality
Notice bibliographique
Résumé
Health services, especially hospitals, are facing significant changes in the industrial era 4.0. Hospital digitization is responsible for building green hospitals and improving service quality in the era of modern technology. Green Human Resources Management (GHRM) is becoming known as the HRM concept that encourages employee commitment and environmental aspects. GHRM is an HR management system suitable for organizations, including hospitals that have a significant environmental impact. Hospitals are very dependent on the quality of service provided to their customers. GHRM as a management model in hospitals is very important to encourage hospital digitization and service quality. This research was conducted to answer the gap in hospital research in seeing the effect of GHRM on service quality in digitizing hospitals in the industrial era 4.0. GHRM and Service Quality is used in the healthcare industry to test its application in hospitals in Indonesia. They are using the SEM PLS method, a variant-based structural equation analysis that focuses on predictive models, to look for predictive linear relationships between variables to process data for 1004 respondents from 19 State-Owned Enterprises' hospitals throughout Indonesia. This research can an-swer research gaps related to the effect of GHRM on Service Quality and Hospital Digitalization in Indonesia. Based on Hospital Digitalization, GHRM affects Service Quality, which is closely related to environmental problems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».