MétaCan
Menu
Retour à la cohorte
Enregistrement W3159408298 · doi:10.1145/3462766.3462772

Job Satisfaction of IT Workers in East Asia

2021· article· en· W3159408298 sur OpenAlexaff
Benjamin Yeo, Alexander Serenko, Prashant Palvia, Osam Sato, Hiroshi Sasaki, Jie Yu, Yue Guo

Notice bibliographique

RevueACM SIGMIS Database the DATABASE for Advances in Information Systems · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueJob Satisfaction and Organizational Behavior
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésJob satisfactionJob attitudeChinaJob designFlexibility (engineering)Personnel psychologyBusinessJob performancePsychologyDemographic economicsMarketingSocial psychologyManagementPolitical scienceEconomics

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to explore the drivers of job satisfaction of IT workers in the East Asian context, particularly in Taiwan, Japan, and China. Using data collected from IT workers, decision tree inductions were employed to identify the predictors of job satisfaction. Results indicate that the level of education has no effect on job satisfaction. Overall, higher uncertainty avoidance results in lower job satisfaction, and more experienced IT workers appear to be more satisfied. In Taiwan, longer serving IT workers, who are likely to hold more senior positions and spend more time on the job, are more satisfied with their jobs. Similarly, in Japan, older IT workers are more satisfied. In China, job satisfaction of IT workers differs across job roles and industries. It is recommended that management practices and policies in Taiwan focus on bridging gaps between longer serving and newer IT workers in terms of their ability to handle ambiguous work situations; whereas in Japan, these should focus on providing work flexibility and stress management programs to allow room for family support. In China, these should be tailored to specific job roles and industries in view of their different experiences with job satisfaction determinants.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,022
Tête enseignante GPT0,274
Écart entre enseignants0,252 · 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACM SIGMIS Database the DATABASE for Advances in Information SystemsMême sujetJob Satisfaction and Organizational BehaviorTravaux en français237 207