The influence of feedback on employees’ goal setting and performance in online corporate training: a moderation effect
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
Purpose The study examined the impact of feedback types through a learning management system (LMS) on employees’ training performance. The purpose of this study is to establish effective feedback on advanced technologies for promoting corporate training. Design/methodology/approach A total of 148 trainees were recruited from a multinational medical company. Employees were randomly assigned to receive feedback from shallow to more constructive details on their learning performance with LMS. Data sources included are employees’ goal setting (GS) performance evaluated by the experts and their posttest scores obtained from the LMS. A series of statistical analyses were performed to investigate the impact of feedback intervention on employees’ GS and their impacts on corporate training results. Findings GS has a significant impact on learning outcomes. Employees who set greater specific goals attained higher scores. Furthermore, feedback with more formative evaluation and constructive developmental advice resulted in the most significant positive influence on the relationship between participants’ GS and learning outcomes. Practical implications Organizations can benefit from delivering appropriate feedback using LMS to enhance employees’ GS and learning efficacy in corporate training. Originality/value This study is one of the first to examine the moderating effect of feedback provided by LMS on GS and online learning performance in corporate training. This study contributes to GS theory for practical application and proposes a viable method for remote learning. The current study’s findings can be used to provide educational psychological insights for training and learning in industrial contexts.
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 | 0,004 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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