MétaCan
Menu
Retour à la cohorte
Enregistrement W4401867895 · doi:10.53555/sfs.v10i1.2983

"Evaluating The Factors Influencing Employee Engagement In The Life Insurance Corporation"

2023· article· en· W4401867895 sur OpenAlexvenueno aff
Monica M Kate

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Topics in Contemporary Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorporationLife insuranceBusinessEmployee engagementMarketingActuarial scienceFinanceManagementEconomics

Résumé

récupéré en direct d'OpenAlex

Employee engagement is a vital driver of organizational success, especially in the competitive landscape of the life insurance industry. This study evaluates the factors influencing employee engagement within the Life Insurance Corporation (LIC), focusing on intrinsic and extrinsic motivators. By analyzing data from Administrative and Marketing Employees, the study identifies key areas impacting engagement, including job satisfaction, recognition, career growth, compensation, work-life balance, and leadership support. The findings reveal that Administrative Employees generally report higher job satisfaction compared to their Marketing counterparts, who exhibit more dissatisfaction with their roles. Recognition is highly valued across both groups, though Marketing Employees place a higher emphasis on it. Career growth opportunities and compensation perceptions show significant differences, with Marketing Employees rating these aspects more favorably than Administrative Employees. Both groups report moderate support for work-life balance and engagement levels. The study also highlights that while engagement is perceived to significantly impact productivity and customer satisfaction, there is room for improvement in engagement initiatives. The Chi-Square test results suggest no statistically significant relationship between intrinsic motivators and engagement in the sample. To enhance employee engagement, LIC should consider strengthening recognition programs, improving career growth opportunities, revising compensation packages, and expanding support for work-life balance. These measures will help create a more motivated and productive workforce, ultimately driving LIC's success in a competitive market.

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)0,009
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 enseignants0,008
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
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 savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,717
Tête enseignante GPT0,461
Écart entre enseignants0,257 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetDiverse Topics in Contemporary ResearchTravaux en français237 207