Designing key performance indicators (KPIs) for decent work in the pharmaceutical supply chain of Iran
Notice bibliographique
Résumé
While decent work has emerged as the central theme of the psychology of work theory and a global concept and directive for promoting social, political, and economic justice, it has garnered increasing scientific and political attention in the past two decades. However, until now, no defined measurement scale for the pharmaceutical supply chain exists. The present study aims to design and validate key performance indicators (KPIs) for 'decent work' in the pharmaceutical industry supply chain of Iran, using the Decent Work Daffi Scale (2017) as a reliable framework with five sub-scales and 15 items, tested and validated. For the validation of the Decent Work Scale, a quantitative survey study was conducted among selected pharmaceutical industry experts with a sample size of 228 individuals in the year 2023. The current study adopted an exploratory factor analysis approach using SPSS software and a confirmatory factor analysis through AMOS version 24 software. In this context, the factor structure, convergent validity, discriminant validity, and Cronbach's alpha coefficients were examined. The results showed that the five-factor structure outperforms the one-factor model with evidence supporting the convergent, discriminant, and predictive validity of the five-factor scale. Thus, the measurement of decent work in the pharmaceutical industry of Iran comprises five sub-scales: occupational safety conditions, access to healthcare, adequate remuneration, Free time and rest, and alignment of organizational values with family and societal values. This scale can serve as a useful tool for industrial and organizational psychology research, as well as for studies on the sustainability of social supply chains.
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 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 | 0,013 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».