MétaCan
Menu
Retour à la cohorte
Enregistrement W4399390986 · doi:10.3390/jrfm17060237

Perception of Corporate Social Responsibility, Organizational Commitment and Employee Innovation Behavior: A Survey from Chinese AI Enterprises

2024· article· en· W4399390986 sur OpenAlexvenueno aff
Hao He, Chonlavit Sutunyarak

Notice bibliographique

RevueJournal of risk and financial management · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessOrganizational commitmentPerceptionCorporate social responsibilityBusiness administrationSurvey data collectionPublic relationsPsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

This study delves into the relationships between the perception of corporate social responsibility (PCSR), organizational commitment and employee innovation behavior, as well as the multiple mediating roles of affective, normative and continuance commitment in the relationship between the perception of CSR and innovation behavior. This research involved 419 employees from 15 artificial intelligence (AI) enterprises in Shenzhen, China. This study’s hypotheses were tested using structural equation modeling. The findings indicate that PCSR significantly impacts innovation behavior, and affective, continuance and normative commitments also positively influence innovation behavior. Moreover, these three commitments play a partial mediating role in the relationship between PCSR and innovation behavior. This study enriches and expands the understanding of the multiple mediating mechanisms between PCSR and employee innovation behavior, providing a theoretical basis and guidance for management to comprehensively understand the role of employees’ PCSR in enhancing organizational commitment and fostering innovation behavior.

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)0,002
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 enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,013
Tête enseignante GPT0,245
Écart entre enseignants0,232 · 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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207