MétaCan
Menu
Retour à la cohorte
Enregistrement W4323569369 · doi:10.3390/jrfm16030180

Combatting Environmental Crisis: Green Orientation in the Sri Lanka Navy

2023· article· en· W4323569369 sur OpenAlexvenueno aff
Anuradha Iddagoda, Otilia Manta, Hiranya Dissanayake, Rohitha Abeysinghe, Gamage Dinoka Nimali Perera

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmployee engagementMediationEmployee researchContext (archaeology)BusinessPsychologyPublic relationsMarketingSociologyPolitical scienceGeography

Résumé

récupéré en direct d'OpenAlex

The military’s ongoing efforts to protect the environment are clearly visible. The aim of this study is to bridge an empirical gap, i.e., there is no mediating effect of employee engagement on the relationship between green orientation and employee job performance in the Sri Lanka military context. Employee engagement is the employee’s head, heart and hand involvement in their job as well as their organization. Employee job performance is a main consequence of employee engagement. Because of this consequence, employee engagement has grabbed attention in both the business context and the military context. This quantitative study was achieved through objectives, namely, to identify the impact of green orientation on employee engagement, to identify the impact of employee engagement on employee job performance, and to identify the mediating effect of employee engagement on the relationship between green orientation and employee job performance. The unit of analysis is individual, i.e., officers in the Sri Lanka Navy. The sample size is 243. A cross-sectional study was done in a non-contrived environment with minimum researcher interference. Findings of this study suggest the direct relationship of green orientation and employee engagement, as well as the mediation effect of employee engagement on this relationship.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,201
Écart entre enseignants0,194 · 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207