MétaCan
Menu
Retour à la cohorte
Enregistrement W4210512156 · doi:10.5539/ibr.v15n2p75

Mediation Effect of Knowledge Sharing Quality on Employee Creativity

2022· article· en· W4210512156 sur OpenAlexvenueno aff
Dimitry Doronin, Shen Lei, Shan SYED HAMAD HASSAN

Notice bibliographique

RevueInternational Business Research · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCreativityMediationAnticipation (artificial intelligence)Knowledge sharingPsychologyQuality (philosophy)Value (mathematics)Mechanism (biology)Test (biology)Social psychologyKnowledge managementSociologyComputer science

Résumé

récupéré en direct d'OpenAlex

Employee creativity requires knowledge sharing, according to many experts. What aspects of the knowledge sharing cycle encourage employee creativity? In this study, authors examined three factors, i.e., ‘opportunity for exchange (OFE), value anticipation (VA), and motivation to engage (MTE)’, that influence the production of intellectual capital (as antecedents) and its effects on employee creativity (as outcomes) through knowledge sharing (KS) and quality of knowledge sharing (QKS: as mediating mechanism). To test the hypothesized relationships, Mplus was used to analyze 371 Russian IT employees. The findings suggest that OFE, VA and MTE are important antecedents of both KS and QKS. Moreover, KS and QKS mediates the relationship between antecedents (OFE, VA and MTE) and outcome variable (employee creativity). Theoretical contribution and future research are discussed.

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)0,008
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,323
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,003
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 savante0,0000,000
Science ouverte0,0010,001
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 Opus0,167
Tête enseignante GPT0,496
Écart entre enseignants0,329 · 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.

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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetKnowledge Management and SharingTravaux en français237 207