MétaCan
Menu
Retour à la cohorte
Enregistrement W4390544035 · doi:10.47459/jssi.2023.13.36

Public Employer in the Labor Market - the Armed Forces in Public Perception

2023· article· en· W4390544035 sur OpenAlexaboutno aff
Marzena Piotrowska-Trybull, Stanisław Sirko, Ludmila Aļeksejeva

Notice bibliographique

RevueJournal of Security and Sustainability Issues · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEmployer Branding and e-HRM
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAttractivenessPerceptionWork (physics)BusinessMarketingPublic relationsMilitary servicePerspective (graphical)Quarter (Canadian coin)Service (business)Political sciencePsychologyEngineeringLaw

Résumé

récupéré en direct d'OpenAlex

Public organizations, including the armed forces, like other employers, are looking for candidates for soldiers and military personnel in the labor market. Taking into account the attributes that make up the attractiveness of an employer and their interdependence, a study was carried out in the course of which the aim was to find out how one of the public organizations, the armed forces, is perceived by people who may become soldiers or who may take up a job in the military how the sources of information through which it reaches them are assessed, and which of its features may attract their attention. The goal was achieved by carrying out, in the first quarter of 2022, a nationwide survey of people between the ages of 18 and 44. Aiming to better understand the opinions of respondents, an analysis of the labor market situation in all voivodeships was carried out. To analyze the collected data and present the results, Statistica v.13.3 and R/RStudio software were used. As a result of the survey, it was possible to establish that the armed forces enjoy a high level of trust among citizens. Respondents assessed the qualities and motives, tangible and intangible, that may encourage service and work in the military due to the potential benefits for candidates. From the perspective of the armed forces, indications as to individual elements can be the basis for improving personnel policies and marketing communications.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,013
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,000

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 Opus0,032
Tête enseignante GPT0,278
Écart entre enseignants0,246 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Security and Sustainability IssuesMême sujetEmployer Branding and e-HRMTravaux en français237 207