MétaCan
Menu
Retour à la cohorte
Enregistrement W4387663324 · doi:10.33087/jmas.v8i2.1448

Pengaruh Lingkungan Kerja dan Motivasi terhadap Disiplin Serta Dampaknya pada Kinerja Pegawai Aparatur Sipil Negara Dinas Perhubungan Provinsi Jambi

2023· article· en· W4387663324 sur OpenAlexaff
Candra Edi, Arna Suryani, Fakhrul Rozi Yamali

Notice bibliographique

RevueJ-MAS (Jurnal Manajemen dan Sains) · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEmployee Performance and Management
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPath analysis (statistics)Work motivationWork (physics)Work environmentTest (biology)PsychologyBusiness administrationPopulationSocial psychologyJob satisfactionBusinessSociologyPhysicsMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to describe the work environment, work motivation, work discipline and employee performance at the Jambi Province Transportation Service and to analyze the effect of the work environment and work motivation partially and simultaneously directly and indirectly on work discipline and employee performance, as well as to analyze work discipline on employee performance. To answer the research objectives, this research is supported by theoretical studies related to research variables, namely work environment, work motivation, work discipline, and performance. In addition, the authors also look for relevant previous research in the form of previous articles/journals and theses to support this research. The population in this study were employees of the Jambi Province Transportation Service, totaling 61 employees with conditions in 2022. The data analysis technique used in this study was through path analysis followed by hypothesis testing through the F test (Simultaneous) and t test (Partial). From the path analysis test carried out, it was found that the work environment and work motivation have an influence on work discipline and employee performance, both directly and indirectly. This explains that if the organization has a good work environment and the better the work environment then this will further improve employee discipline towards the organization and provide maximum work results.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,035

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,027
Tête enseignante GPT0,298
Écart entre enseignants0,272 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJ-MAS (Jurnal Manajemen dan Sains)Même sujetEmployee Performance and ManagementTravaux en français237 207