MétaCan
Menu
Retour à la cohorte
Enregistrement W4226313397 · doi:10.5267/j.ijdns.2022.3.006

The effect of electronic human resources practices on employee satisfaction in private hospitals

2022· article· en· W4226313397 sur OpenAlexvenueno aff
Fatima Lahcen Yachou Aityassine, Abedalsttar Mustafa Yousef Alsayaha, Mahmoud Mohammad Al-Ajlouni

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueOrganizational and Employee Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIBMHuman resourcesSample (material)Human resource managementJob satisfactionTest (biology)BusinessPath analysis (statistics)PopulationKnowledge managementPsychologyManagementMedicineComputer scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

The objective of the study was to determine the impact of electronic human resources practices on Employees Satisfaction in private hospitals in Jordan. The dimensions of electronic human resources practices are (e-recruitment, e-training, e- performance evaluation, e-rewards system, and e-communication). Data were analyzed using IBM SPSS and AMOS software. The population of the study involves all the physicians working in private hospitals in Jordan. Data were primarily gathered through self-reported questionnaires created by Google Forms which were distributed to a purposive sample of physicians via email. To achieve the objectives of the study and test hypotheses, the researcher used SPSS and path analysis. The study results showed that there is a statistically significant impact of electronic human resources practices on employee’s satisfaction. Considering study finding, the researcher recommends decision makers to provide the largest possible investment in modern technology, and to subscribe to databases that qualify doctors to practice electronic human resource management dimensions that were mentioned in the study and ensuring doctors’ job stability.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,038
Score d'incertitude au seuil0,500

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0030,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,303
Écart entre enseignants0,291 · 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.

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetOrganizational and Employee PerformanceTravaux en français237 207