Links among Tangible Rewards, Intangible Rewards, and Turnover Intentions: A Multi-Level Study in the ICT Sector
Notice bibliographique
Résumé
Cette étude multiniveaux explore les liens entre des composantes de la rémunération globale et les intentions de quitter du personnel à l’emploi d’entreprises du secteur des technologies de l’information et des communications (TIC) au Canada. Au niveau individuel, nous avons mesuré la satisfaction des employés envers des composantes de leur rémunération tangible (soit, leur salaire et leurs avantages sociaux) ainsi qu’envers leur rémunération intangible (par exemple, reconnaissance, formation et développement). Au niveau organisationnel, nous avons mesuré la rémunération tangible en divisant la masse salariale par le nombre d’employé. L’étude a été menée par l’entremise d’un questionnaire distribué auprès de 223 employés travaillant pour 21 entreprises canadiennes du secteur des TIC. Les résultats confirment que plus la satisfaction des employés envers la rémunération intangible est élevée, moins ils expriment d’intention de quitter leur employeur. Les résultats montrent aussi que les employés qui œuvrent pour des firmes leur offrant un salaire moyen par employé relativement « faible » ou « élevé » expriment moins d’intention de quitter leur emploi que ceux qui sont à l’emploi de firmes offrant un salaire moyen de valeur « moyenne ». Enfin, le lien négatif entre la satisfaction des employés envers leur rémunération intangible et leur intention de quitter est plus fort au sein des employeurs dont la masse salariale par employé est « faible » ou « élevée » que dans celles où elle est « moyenne ».
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».