MétaCan
Menu
Retour à la cohorte
Enregistrement W4385874115 · doi:10.1108/ils-02-2023-0012

The influence of feedback on employees’ goal setting and performance in online corporate training: a moderation effect

2023· article· en· W4385874115 sur OpenAlexaff
Lian Duan, Hongbo Song, Xiaoshan Huang, Weihan Lin, Jiang Yan, Xinheng Wang, Yihua Wu

Notice bibliographique

RevueInformation and Learning Sciences · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education and Employability
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésModerationFormative assessmentPsychologyConstructiveOriginalityLearning ManagementSet (abstract data type)Applied psychologyKnowledge managementMultinational corporationMedical educationComputer scienceBusinessSocial psychologyMathematics educationMedicine

Résumé

récupéré en direct d'OpenAlex

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.

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)0,014
score de la tête « metaresearch » (Gemma)0,074
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 enseignants0,014
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,074
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,037
Tête enseignante GPT0,329
Écart entre enseignants0,292 · 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 revueInformation and Learning SciencesMême sujetHigher Education and EmployabilityTravaux en français237 207