Utilizing business intelligence and digital transformation and leadership to enhance employee job satisfaction and business added value in greater Amman municipality
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The goal of this study was to find out how business intelligence systems, AI, and digital leadership affect how satisfied employees are with their jobs and how much value they add to companies in the Greater Amman Municipality. After the study samples were taken and looked at, a total of 246 samples were approved to be used in the PLS software-based analysis. The results of this study showed that putting in place business intelligence tools, artificial intelligence, and digital leadership all made employees happier with their jobs and gave businesses more value. The research showed that there are four key parts to digital leadership: commander, communicator, collaborator, and co-creator. The main parts of business intelligence are Data Warehouse, Data Mining, Business Process Management, and Competitive Intelligence. Findings show that digital transformation is made up of three key parts: changing processes, developing business models, and changing domains. The results also show that an employee's level of job satisfaction, which includes things like business success, work commitment, and job thinking, is linked to how much value they add to the company. Intriguingly, the current results go against those of earlier studies, which said that the variables of interest have no effect on how happy employees are with their jobs or how much value companies add for their customers. When the results of this study are looked at as a whole, they say that businesses should start doing things that make employees happier at work and increase the value of the business. The current study is innovative because it focuses on the most important parts of business intelligence, artificial intelligence, and digital leadership in order to improve employee satisfaction at work and the quality of business learning with added value in Greater Amman Municipality.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,006 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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