Strategi Meningkatkan Kinerja Pegawai Melalui Komitmen Organisasi
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Kinerja pegawai memiliki peranan yang fundamental bagi instansi dimana dengan adanya kinerja yang terukur akan mampu memberikan ilustrasi strategi yang dapat mendorong pencapaian visi, misi, dan tujuan instansi, sehingga peneliti tertarik untuk menelaah dan memberikan sumbangsih terhadap kebijakan manajerial. Pengkajian dilaksanakan untuk mengetahui strategi meningkatkan kinerja pegawai melalui komitmen organisasi.Pengkajian menggunakan dua variabel bebas yaitu pendidikan pelatihan dan kompetensi, dan komitmen organisasi sebagai variabel intervening.Populasi pada pengkajian dilakukan secara acak menggunakan teknik random sampling yang menghasilkan sebanyak 65 responden yang telah mengisi kuesioner. Menggunakan regresi linear berganda dalam menghitung hubungan antara variabel bebas dengan variabel intervening dengan Product Moment Pearson untuk menghitung validitas data yang sudah didapat dan Cronbach’s Alpha untuk menghitung reliabilitas data. Hasil dari pengkajian ini ialah : adanya hubungan positif dan bermakna antara pendidikan pelatihan dan komitmen organisasi, adanya hubungan negatif dan tidak signifikan antara kompetensi dan komitmen organisasi, adanya hubungan positif dan tidak signifikan antara pendidikan pelatihan dan kinerja karyawan, hubungan positif dan signifikan antara kompetensi dan kinerja karyawan, hubungan positif dan bermakna antara komitmen organisasi dan kinerja pegawai. Kesimpulan yang didapat melalui analisis jalur bahwa baik pengaruh langsung ataupun tidak langsung, variabel kompetensi merupakan jalur yang dominan dibandingkan variabel yang lain
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.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découle