Conceptual Model for the Development of Employee Competencies Through the Well-Being Implementation
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
Modeling the process of developing employee competencies and assessing their impact on an organization's performance is an urgent task.The study aims to develop a unified concept for modeling the process of employee competency development by implementing a corporate well-being program to achieve the workers' target KPIs.The study consisted of two stagesmodeling and a survey.A database on the components of the model is formed based on a survey of 727 individuals from different companies and economic sectors.The model is tested by means of preliminary analysis of the collected data, their clustering, assessment of interrelations of components, and systematization of the existing regularities.Fuzzy clustering of values, well-being elements, and individuals is constructed on multidimensional samples.Estimates of the probabilities of elements' transitions from clusters by values to clusters by activities and vice versa are obtained.The fuzzy clustering algorithm is developed in Python.The results show that for employees with a less pronounced value model, the well-being program in the company is of medium importance.Conversely, the well-being program in the company is of high importance for employees with prevailing social values.Employee clustering can suggest several propositions for the most efficient activities of the corporate well-being program according to the envisioned generalized employee value model.Conversely, it can help determine a candidate's optimal value profile for them to work effectively in the organization proceeding from the current corporate well-being program.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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