How does online employee training enhance organizational growth? The benefits of integrating educational technology into workplace learning
Notice bibliographique
Résumé
Purpose Online learning becomes a trendy format for workplace training, particularly during the pandemic. This study aims to examine the effects of a technology-assisted self-adaptive training camp on employees’ learning process and acquired knowledge, and the relationship between employees’ knowledge gained and organisational growth. Design/methodology/approach The participants were 213 pharmaceutical representatives from a global pharmaceutical business in the Asia-Pacific branch who enrolled in a 21-day professional training camp. Their knowledge gained was calculated by pre-tests and post-test scores captured from an online training system. The company’s profits gained by employees were indicated by individuals’ quarter-over-quarter growth rates. Specifically, the authors applied a series of quantitative analyses to examine the relationship between employees’ knowledge gained, learning quality and organizational growth brought by individuals. Findings During the online training session, employees obtained increased professional knowledge significantly. The quality of employees’ learning process was a significant predictor of their learning outcomes. In addition, a positive correlation was found between the knowledge obtained by employees and the company’s quarterly growth rates. A followed-up regression analysis indicated that the greater knowledge improvement an individual achieved, the higher quarter-to-quarter growth rate brought by the individual to the organization. Originality/value The study provides educational insights for organisations to effectively train employees’ professional competency through online learning. The investigation on the 21-day camp shows that employees received higher-quality training, resulting in increased revenues and greater workplace flexibility. The findings have implications for supporting the integration of educational technology into workplace training to boost the competency development of employees.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».