MétaCan
Menu
Retour à la cohorte
Enregistrement W4395685903 · doi:10.46799/syntax-idea.v6i4.3171

Readiness for Change in the State Civil Apparatus: A Systematic Literature Review

2024· article· en· W4395685903 sur OpenAlexaff
Ida Bagus Indra Narotama, Ni Nyoman Dian Sudewi

Notice bibliographique

RevueSyntax Idea · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Issues in Ukraine
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésSystematic reviewState (computer science)Political scienceComputer scienceMEDLINELawProgramming language

Résumé

récupéré en direct d'OpenAlex

Readiness for change in the State Civil Apparatus is a necessity in the midst of a world situation full of turmoil, uncertainty, complexity and ambiguity. This readiness also has a central role in achieving success in implementing development and bureaucratic reform. The current reality is that readiness for change in the State Civil Apparatus is still low. The State Civil Apparatus has not been fully able to adapt and implement the expected changes and is still stuck with old work patterns. The aim of this research is to analyze and explain the factors that influence readiness for change in the State Civil Apparatus. This research is a systematic literature review using PRISMA (Preferred Reporting Items for Systematic Literature Reviews and Meta-Analyses) guidelines. The sample from this research is secondary data obtained through searching journals in the Google Scholar and Semantic Scholar databases. The journals found were then selected using inclusion criteria and quality assessment, resulting in three research literatures. The research results show that there are three factors or components that can influence the readiness for change in the State Civil Apparatus, namely: perceived organizational support, work engagement and leader-member exchange

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)0,024
score de la tête « metaresearch » (Gemma)0,098
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,098
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,009
Bibliométrie0,0210,018
Études des sciences et des technologies0,0010,001
Communication savante0,0050,004
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,045
Tête enseignante GPT0,284
Écart entre enseignants0,240 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSyntax IdeaMême sujetEconomic Issues in UkraineTravaux en français237 207