MétaCan
Menu
Retour à la cohorte
Enregistrement W4289762313 · doi:10.5281/zenodo.1400220

A Critical Study On The Effect Of Staff Training On Employees? Work Attitude.

2018· article· en· W4289762313 sur OpenAlexaff
Anyim Godfrey, Nwanesi Clement C.

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueHuman Resource Development and Performance Evaluation
Établissements canadiensRegional Municipality of Niagara
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)Work (physics)PsychologyMedical educationApplied psychologyEngineeringMedicineMechanical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Training employees is an important activity for any organization. It instills workforce competence in the organization and boosts employee?s level of effectiveness in carrying out their responsibilities. There is evidence in the literature that shows that employee training increases an organization?s productivity levels and competitive advantage because it leads to greater retention and effective task completion. The study sought to provide empirical evidence of change in employees? attitude towards their jobs and employer after carrying out job training. The study was carried out at Star Times offices in Lagos Nigeria, where 20 employees (9 males, 11 females) of the company from the Sales and Marketing department were selected for the study. The company carried a massive training of her employees in the department, which provided an opportunity to check the change in their attitudes. The study showed that women (72.3, n=8) realized the greater change in their attitudes towards their jobs compared to their male counterparts (66.7%, n=6). The result (χ2= 6.492, df = 2, p=<0.5). There was a marked increase in job satisfaction (50% to 80%), teamwork (50% to 85%), feeling of competency (60% to 80%), and organizational commitment (65% to 80%). The study concludes that job training affects employees? attitude towards their jobs and employers positively.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,363
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetHuman Resource Development and Performance EvaluationTravaux en français237 207