MétaCan
Menu
Retour à la cohorte
Enregistrement W4247078779 · doi:10.35940/ijrte.b1305.0882s819

Employee Retention Management

2019· article· en· W4247078779 sur OpenAlexaboutno aff
Magdalene Peter, S Fabiyola Kavitha, R. Ramamoorthy

Notice bibliographique

RevueInternational Journal of Recent Technology and Engineering (IJRTE) · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)PremiseSample (material)Settlement (finance)MarketingBusinessMarital statusPsychologyPublic relationsOperations managementEngineeringSociologyPolitical scienceGeographyDemographyFinancePayment

Résumé

récupéré en direct d'OpenAlex

The purpose of the proposed look at is to recognize the massive distinction within the opinions amongst personnel working in pharma quarter with reference to worker retention practices on the premise of their designation, qualification, nature of employment, marital repute and profits. Out of 150 employees, 100 personnel were taken because the sample for the existing take a look at from 3 districts of Telangana region (i.e., Nizamabad, Adilabad and Karimnagar). The statistics changed into gathered through a questionnaire and dispensed to the employees to fill their choices in the appropriate columns. The uncooked facts became analysed the usage of SPSS to find out the results in step with the hypotheses formulated. The findings of the study show that there may be no massive difference among scientific Representatives and vicinity income Managers, between graduates and postgraduates , between married and single. however, there may be a large difference between everlasting and settlement personnel operating in pharmaceutical quarter situated within the observe place. No enormous distinction become located amongst special income organizations of personnel also. it's far concluded that the opinion levels of MRs become barely higher than the ASMs. This might be because of the interest and involvement proven via MRs as they're new entrants to the sector.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,628
Score d'incertitude au seuil0,123

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,006
Tête enseignante GPT0,193
Écart entre enseignants0,187 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Recent Technology and Engineering (IJRTE)Même sujetAgricultural risk and resilienceTravaux en français237 207