MétaCan
Menu
Retour à la cohorte
Enregistrement W4235254406 · doi:10.17722/ijme.v12i3.1077

Effect of Emotional Intelligence and trust on Bank performance (Evidence SME’s in Indonesia)

2019· article· en· W4235254406 sur OpenAlexvenueno aff
Titok Waskito Adi, Budi Prasetyo, Erlyna Hidyantari

Notice bibliographique

RevueInternational Journal of Management Excellence · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueEmotional Intelligence and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTrustworthinessConfirmatory factor analysisEmotional intelligencePsychologyExploratory factor analysisBusinessSocial psychologyMarketingPsychometrics

Résumé

récupéré en direct d'OpenAlex

This study aims to analyze trust in the relationship between staff and customers in the banking sector, its influence on financial performance in the level of emotional intelligence (EI) and their trust. Respondents were asked to complete EI tests and questions related to trust behavior. Exploratory factor analysis and confirmatory factor analysis and correlation analysis are used to identify relationships. Trust's findings are known to consist of three components: trustworthy; knowledge; and expectations. Furthermore, there is a significant correlation between trust and EI, when compared to the financial performance of relationship managers. Research weaknesses/ implications The method used by banks in collecting performance data limits the analysis that can be held. Practical implications increasing relationship manager awareness of their own emotions, and how they perceive and act on the emotions of others, will positively influence financial performance.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,262
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,028
Tête enseignante GPT0,337
Écart entre enseignants0,309 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Management ExcellenceMême sujetEmotional Intelligence and PerformanceTravaux en français237 207